基于高角分辨率扩散成像的白质图谱贝叶斯估计
计算机视觉与模式识别
2013-10-14 v1
摘要
我们提出了一种贝叶斯概率模型，用于从高角分辨率扩散成像（HARDI）数据中估计脑白质图谱。该模型结合了白质解剖结构的形状先验和个体观测 HARDI 数据集的似然性。我们首先假设图谱是通过微分同胚流从已知的超图谱生成的，其形状先验可基于大变形微分同胚度量映射（LDDMM）框架构建。LDDMM 在初始动量的线性空间中刻画了非线性微分同胚形状空间，该初始动量唯一确定了从超图谱出发的微分同胚测地流。因此，HARDI 图谱的形状先验可以使用初始动量的中心高斯随机场（GRF）模型进行建模。为了构建观测 HARDI 数据集的似然性，有必要研究个体观测相对于图谱的微分同胚变换以及方向分布函数（ODFs）的概率分布。为此，我们使用与讨论图谱形状先验时相同的构造方法来构建与变换相关的似然性。ODFs 的概率分布随后基于 ODF 黎曼流形构建。我们假设观测到的 ODFs 是由变形图谱 ODF 处的随机切向量的指数映射生成的。因此，ODFs 的似然性可以使用其切向量在 ODF 黎曼流形上的 GRF 进行建模。我们利用期望最大化（Expectation-Maximization）算法求解最大后验估计，并推导了相应的更新方程。最后，我们展示了基于 94 名成年人中国老龄化队列构建的 HARDI 图谱，并将其与通过对受试者间 ODF 球谐系数取平均生成的图谱进行了比较。
引用
@article{arxiv.1310.3233,
title = {Bayesian Estimation of White Matter Atlas from High Angular Resolution Diffusion Imaging},
author = {Jia Du and Alvina Goh and Anqi Qiu},
journal= {arXiv preprint arXiv:1310.3233},
year = {2013}
}