具有非高斯噪声模型和空间正则化的多通道扩散MRI数据球面反卷积
医学物理
2017-02-08 v3
摘要
球面反卷积(SD)方法被广泛用于从扩散MRI数据中估计体素内白质纤维取向。然而，尽管其中一些方法假设底层噪声服从零均值高斯分布，但其真实分布已知为非高斯，且依赖于用于组合多通道信号的方法。事实上，两种主流的多通道信号组合方法分别导致Rician和非中心卡方( noncentral Chi)噪声分布。本文我们开发了一种稳健无偏的基于模型的球面反卷积(RUMBA-SD)技术，旨在处理真实的MRI噪声，该技术基于适用于Rician和非中心卡方似然模型的Richardson-Lucy(RL)算法。为量化使用恰当噪声模型的益处，将RUMBA-SD与dRL-SD（一种基于高斯噪声RL算法的成熟方法）进行了比较。本研究的另一个目标是量化在估计框架中包含全变分(TV)空间正则化项的影响。为此，我们开发了RUMBA-SD和dRL-SD算法的TV空间正则化版本。评估通过在132个涉及不同纤维间夹角和体积分数的三维合成幻影上比较各种质量指标来进行，这些幻影被模拟多通道扫描仪数据处理产生的噪声模式所污染。结果表明，纳入恰当的似然模型提高了分辨具有更小纤维间夹角的纤维交叉的能力，并能更好地检测非主导纤维。TV正则化的加入极大地提升了两种技术的分辨能力。上述发现在脑数据中也得到了验证。
引用
@article{arxiv.1410.6353,
title = {Spherical deconvolution of multichannel diffusion MRI data with non-Gaussian noise models and spatial regularization},
author = {Erick J. Canales-Rodríguez and Alessandro Daducci and Stamatios N. Sotiropoulos and Emmanuel Caruyer and Santiago Aja-Fernández and Joaquim Radua and Jesús María Yurramendi Mendizabal and Yasser Iturria-Medina and Lester Melie-García and Yasser Alemán-Gómez and Jean-Philippe Thiran and Salvador Sarró and Edith Pomarol-Clotet and Raymond Salvador},
journal= {arXiv preprint arXiv:1410.6353},
year = {2017}
}