基于扩散模型的弥散磁共振成像高失真纤维取向分布恢复

纤维取向分布（FOD）是表示弥散磁共振成像（dMRI）数据的流行模型。然而，dMRI中的成像伪影（如磁敏感性引起的失真）会导致信号丢失，并导致FOD的重建受损，从而阻碍受影响脑区（如脑干）的成功纤维追踪和连接性分析。生成模型，例如扩散模型，已成功应用于各种图像恢复任务。然而，它们在FOD图像上的应用提出了独特的挑战，因为FOD是四维数据，由球谐函数（SPHARM）表示，其第四维表现出与阶数相关的依赖性。在本文中，我们提出了一种新颖的用于FOD恢复的扩散模型，该模型可以恢复由失真伪影引起的信号丢失。我们使用体积-阶数编码来增强扩散模型生成所有SPHARM阶数下单个FOD体积的能力。此外，我们在生成每个单独的FOD体积时添加了从所有SPHARM阶数中提取的交叉注意力特征，以捕获FOD体积之间的阶数相关依赖性。我们还使用高失真区域周围的低失真FOD来条件化扩散模型，以保持生成FOD的几何一致性。我们使用来自英国生物银行（n = 1315）的数据训练和测试了我们的模型。在具有真实数据的测试集（n = 43）上，我们展示了所生成FOD在FOD体积均方根误差和FOD峰值角度误差方面的高精度。我们还将我们的方法应用于脑干区域存在大失真的测试集（n = 1172），并证明了我们的方法在恢复FOD完整性方面的有效性，从而大大改善了受影响脑区的纤维追踪性能。