Estimation of integral curves from high angular resolution diffusion imaging (HARDI) data.
Estimation of integral curves from high angular resolution diffusion imaging (HARDI) data.
复制标题
DOI：
10.1016/j.laa.2014.12.007
复制
发表时间：
2015-05-15
影响因子：
1.1
通讯作者：
Sakhanenko, Lyudmila
中科院分区：
文献类型：
--
作者：
Carmichael, Owen;Sakhanenko, Lyudmila
基于Özarslan和mreci的高阶张量模型，我们开发了一种流行的脑成像技术HARDI的统计方法。我们研究成像过程中的不确定性是如何通过模型的所有层次传播的：信号、张量场、矢量场和纤维。我们构造了积分曲线或纤维的渐近正态估计，使我们能够与置信椭球一起跟踪纤维。该过程计算强度大，因为它混合了高阶张量和渐近统计分析的线性代数概念。理论结果在模拟和实际数据集上得到了验证。这项工作将Carmichael和Sakhanenko提出的低角分辨率扩散张量成像的统计方法推广到每体素几个纤维。这也是一项开创性的统计工作，利用HARDI数据进行牵引术。它避免了确定性方法的所有典型局限性，并提供了与概率方法相同的信息。我们的方法在计算上很便宜，并且它提供了良好的数学和统计框架，可以以系统和严格的方式研究纤维，方向和张量上的各种函数。
We develop statistical methodology for a popular brain imaging technique HARDI based on the high order tensor model by Özarslan and Mareci. We investigate how uncertainty in the imaging procedure propagates through all levels of the model: signals, tensor fields, vector fields, and fibers. We construct asymptotically normal estimators of the integral curves or fibers which allow us to trace the fibers together with confidence ellipsoids. The procedure is computationally intense as it blends linear algebra concepts from high order tensors with asymptotical statistical analysis. The theoretical results are illustrated on simulated and real datasets. This work generalizes the statistical methodology proposed for low angular resolution diffusion tensor imaging by Carmichael and Sakhanenko, to several fibers per voxel. It is also a pioneering statistical work on tractography from HARDI data. It avoids all the typical limitations of the deterministic tractography methods and it delivers the same information as probabilistic tractography methods. Our method is computationally cheap and it provides well-founded mathematical and statistical framework where diverse functionals on fibers, directions and tensors can be studied in a systematic and rigorous way.
登录
查看更多内容
DOI：
10.1137/s0895479898346995
发表时间：
2000-05-16
影响因子：
1.5
作者：
De Lathauwer, L;De Moor, B;Vandewalle, J
通讯作者：
Vandewalle, J
关于高阶对称张量的最佳 1 阶近似
影响因子：
--
作者：
Ni, Guyan;Wang, Yiju
通讯作者：
Wang, Yiju
影响因子：
0.6
作者：
Sakhanenko, L.
通讯作者：
Sakhanenko, L.
影响因子：
10.9
作者：
Assemlal, Haz-Edine;Tschumperle, David;Siddiqi, Kaleem
通讯作者：
Siddiqi, Kaleem
影响因子：
3.3
作者：
Özarslan, E;Mareci, TH
通讯作者：
Mareci, TH