NODDI-SH：一种用于扩散磁共振成像中纤维取向分布函数估计的计算高效NODDI扩展
计算机视觉与模式识别
2017-09-04 v2 医学物理
摘要
扩散磁共振成像（DMRI）是唯一能够检测人脑中水扩散主方向以及神经突密度的非侵入性成像技术。利用球谐函数（SH）对球面函数建模的能力，我们提出了一种新的DMRI数据重建模型，该模型能够同时估计每个体素中的纤维取向分布函数（fODF）和神经突的相对体积分数，并且对多纤维交叉具有鲁棒性。我们考虑一种受神经突取向分散与密度成像（NODDI）启发的单纤维扩散信号，该信号由三个隔室导出：细胞内、细胞外和脑脊液。该模型称为NODDI-SH，通过将单纤维响应与每个体素中的fODF卷积得到。NODDI-SH将fODF和神经突密度的计算嵌入到一个统一的数学模型中，提供了高效、稳健且准确的结果。结果在模拟数据上进行了验证，并在人脑的体内数据上进行了测试，并与约束球面反卷积（CSD）进行了基准比较。结果显示在所有方面都具有竞争性能，并且对局部微观结构具有固有的适应性，同时显著降低了计算成本。我们还研究了当只有有限数量的样本可用于拟合时NODDI-SH的性能，证明60个样本足以获得可靠的结果。快速的计算时间和所需的少量信号样本使NODDI-SH适用于临床应用。
引用
@article{arxiv.1708.08999,
title = {NODDI-SH: a computational efficient NODDI extension for fODF estimation in diffusion MRI},
author = {Mauro Zucchelli and Maxime Descoteaux and Gloria Menegaz},
journal= {arXiv preprint arXiv:1708.08999},
year = {2017}
}