基于各向异性扇形展开感知低秩张量近似的纤维追踪
图像与视频处理
2023-07-04 v1
摘要
低秩高阶张量近似已成功用于从连续纤维取向密度函数（fODFs）中提取离散方向以进行纤维追踪。然而，尽管它考虑了纤维交叉，迄今忽略了扇形展开（fanning），导致重建不完整。本工作中，我们将基于 Bingham 分布的各向异性扇形展开模型集成到最近提出的、以 Unscented Kalman Filter 执行低秩近似的纤维追踪方法中。我们的技术贡献包括：基于低秩近似的 Hessian 的新参数初始化方案、对所需卷积积分的预积分以降低计算量、以及用四元数表示所需的三维旋转。在来自 Human Connectome Project 的 12 名受试者上的结果证实，在几乎所有考虑的纤维束中，我们扩展的模型以可接受的额外计算成本显著提升了重建完整性，同时减少了冗余。其结果也比为基于 Watson 分布的更简单各向同性扇形展开模型所得结果更准确。
引用
@article{arxiv.2307.00833,
title = {Anisotropic Fanning Aware Low-Rank Tensor Approximation Based Tractography},
author = {Johannes Grün and Jonah Sieg and Thomas Schultz},
journal= {arXiv preprint arXiv:2307.00833},
year = {2023}
}