结合上下文PDE流与约束球面反卷积改善HARDI中的纤维对齐
计算机视觉与模式识别
2017-02-08 v1
摘要
我们提出两种策略，以改善从扩散加权磁共振成像（DW-MRI）数据计算的纤维追踪结果的质量。两种方法均基于相同的偏微分方程（PDE）框架，该框架定义在位置与取向的耦合空间中，并关联一个随机过程，描述在保留交叉结构的同时增强细长结构。在第一种方法中，我们利用增强PDE对纤维取向分布（FOD）进行上下文正则化，该FOD是通过约束球面反卷积（CSD）从高分辩率扩散成像（HARDI）数据在单个体素上获得的。从而我们改进了FOD作为后续纤维追踪的输入。其次，我们引入纤维到束相干性（FBC），一种用于量化纤维对齐程度的度量。FBC利用相同的PDE框架从纤维追踪结果计算得出，并提供移除伪纤维的准则。我们在体模数据以及采用不同扫描协议获取的人体数据上验证了所提出的CSD与增强的结合。在体模数据上，我们发现与无增强的CSD相比，PDE增强改善了纤维追踪结果的局部与全局度量。在人体数据上，我们展示增强允许更好地重建交叉纤维束，并降低了纤维追踪输出相对于采集参数的变异性。最后，我们展示对FOD的增强以及在纤维追踪上使用FBC度量均改善了相对于概率纤维追踪不同随机实现的稳定性。这在一个临床应用（为癫痫手术规划重建视辐射）中得到展示。
引用
@article{arxiv.1506.07062,
title = {Improving Fiber Alignment in HARDI by Combining Contextual PDE Flow with Constrained Spherical Deconvolution},
author = {J. M. Portegies and R. H. J. Fick and G. R. Sanguinetti and S. P. L. Meesters and G. Girard and R. Duits},
journal= {arXiv preprint arXiv:1506.07062},
year = {2017}
}