扩散MRI数据的空间规范化超分辨率受约束球形解卷 (SR-CSD)

科学领域:

• 神经成像是一种神经成像.
• 扩散MRI分析分析
• 计算神经科学是一种神经科学.

背景情况:

• 约束球形解卷 (CSD) 是扩散MRI白质纤维分析的标准.
• 更高的球体和次数 (lmax) 提高了分辨率,但增加了噪声灵敏度.
• 超级CSD提供高分辨率,但容易受到噪音的影响.

研究的目的:

• 引入空间规范超分辨率CSD (SR2-CSD),这是一种将超级CSD与空间先验相结合的新方法.
• 在光纤定向分布 (FOD) 估计中保持高角度分辨率的同时减轻噪声灵敏度.
• 提高基于MRI的扩散白质谱的准确性和可重复性.

主要方法:

• 开发SR2-CSD通过调节超级-CSD与空间FOD之前自校准总变异denoiser.
• 评估了SR2-CSD与CSD和超级CSD的性能,使用数值幻象和体内数据集.
• 评估了角度/峰值误差,空间连贯性,测试-重复测试可重复性,以及在不同信号与噪声比率 (SNR) 级别的轨道图准确性.

主要成果:

• 与CSD和超级CSD相比,SR2-CSD始终减少了角度和峰值数误差.
• 证明了更好的空间连贯性和增强的测试-重复测试可重复性,特别是在亚样本数据.
• 实现了连接矩阵与基准真相的更高相关性,在多重比较校正下显著改进.

结论:

• 将空间priors纳入CSD是一个可行的和有效的战略,以改善FOD重建.
• SR2-CSD减轻了估计不稳定性,并提高了白质谱图的准确性.
• 拟议的方法为高分辨率扩散核磁共振分析提供了强大的方法.