利用邻域信息的纤维方向估计
计算机视觉与模式识别
2016-05-17 v2
摘要
来自扩散磁共振成像(dMRI)的数据可用于重建纤维束，例如在肌肉和白质中。纤维方向(FOs)的估计是重建过程中的关键步骤，这些估计可能被噪声破坏。本文描述并展示了一种称为利用邻域信息的纤维方向重建(FORNI)的新方法，它通过引入空间一致性来减少噪声影响并改善FO估计性能。FORNI使用固定的张量基来建模扩散加权信号，其优点在于提供基向量与FOs之间的显式关系。FO空间相干性通过使用加权l1范数正则化项来鼓励，这些项包含相邻体素间方向信息的交互。数据保真度通过使用观测与重建的扩散加权信号之间的平方误差来鼓励。在适当权衡这些竞争目标后，所得目标函数使用块坐标下降算法最小化，并采用简单的并行化策略来加速处理。实验在数字交叉体模、离体舌dMRI数据以及体内脑dMRI数据上进行了定性和定量评估。结果表明，FORNI相较于其他最先进算法改善了FO估计的质量。
引用
@article{arxiv.1601.04115,
title = {Estimation of Fiber Orientations Using Neighborhood Information},
author = {Chuyang Ye and Jiachen Zhuo and Rao P. Gullapalli and Jerry L. Prince},
journal= {arXiv preprint arXiv:1601.04115},
year = {2016}
}
备注
Journal paper accepted in Medical Image Analysis. 35 pages and 16 figures