面向脑结构连接组分析的优化扩散成像
应用统计
2021-11-12 v2 统计方法学
摘要
高角分辨率扩散成像 (HARDI) 是一种在 q 空间球面上测量扩散信号的扩散磁共振成像 (dMRI) 类型。它已广泛用于人脑结构连接组数据获取。为更准确地估计结构连接组，常需获取 q 空间中的密集采样，可能导致较长的扫描时间与后勤挑战。本文提出一种统计方法，以最优地选择 q 空间方向并从稀疏观测估计局部扩散函数。所提方法利用相关的历史 dMRI 数据计算先验分布，以刻画模板空间中每个体素的局部扩散变异性。对于待扫描的新受试者，这些先验被映射到受试者特定坐标中，并用于帮助选择最佳 q 空间样本。仿真研究展示了相对于现有 HARDI 采样与分析框架的巨大优势。我们还将所提方法应用于 Human Connectome Project 数据以及一组伴轻度认知障碍的衰老成人数据集。结果表明，仅需极少 q 空间样本（例如 15 或 20 个），我们便能恢复出可与现有方法从 60 个或更多扩散方向估计出的脑结构网络相媲美的结构脑网络。Human Connectome Project 数据表明我们提出的方法相对竞争方法具有实质优势。
引用
@article{arxiv.2102.12526,
title = {Optimized Diffusion Imaging for Brain Structural Connectome Analysis},
author = {William Consagra and Arun Venkataraman and Zhengwu Zhang},
journal= {arXiv preprint arXiv:2102.12526},
year = {2021}
}