估计空间平滑的纤维取向分布
应用统计
2023-05-18 v2 统计计算
统计方法学
摘要
扩散加权磁共振成像（D-MRI）是一种用于探测生物样本解剖结构的活体、非侵入性成像技术。大脑中白质纤维束的解剖结构可以被揭示，以帮助理解不同脑区之间的连接模式。本文提出了一种新颖的最近邻自适应回归模型（NARM），用于基于D-MRI数据自适应估计纤维取向分布（FOD）函数，其中利用空间同质性通过纳入邻域信息来改进FOD估计。具体而言，我们将FOD估计问题表述为一个加权线性回归问题，其中权重的选择考虑了空间邻近性和由不同纤维构型导致的潜在异质性。权重自适应更新，并设计了一个基于最近邻距离的停止规则以防止过度平滑。NARM进一步扩展以适应具有多个b值的D-MRI数据。全面的模拟结果表明，NARM能实现令人满意的FOD重建，并且性能优于体素级估计以及与之竞争的平滑方法。通过将NARM应用于真实的3T D-MRI数据集，我们证明了NARM在恢复更真实的交叉纤维模式和产生更连贯的纤维追踪结果方面的有效性，从而确立了NARM在分析D-MRI数据和提供可靠的大脑结构连接信息方面的实用价值。* Jilei Yang 和 Seungyong Hwang 为共同第一作者
引用
@article{arxiv.1910.07712,
title = {Estimating Spatially-Smoothed Fiber Orientation Distribution},
author = {Jilei Yang and Seungyong Hwang and Jie Peng},
journal= {arXiv preprint arXiv:1910.07712},
year = {2023}
}