The ellipsoidal area ratio: an alternative anisotropy index for diffusion tensor imaging.
The ellipsoidal area ratio: an alternative anisotropy index for diffusion tensor imaging.
复制标题
椭圆形面积比：扩散张量成像的替代各向异性指数。
DOI：
10.1016/j.mri.2008.07.018
复制
发表时间：
2009-04
影响因子：
2.5
通讯作者：
Peterson, Bradley S.
中科院分区：
文献类型：
--
作者：
Xu, Dongrong;Cui, Jiali;Bansal, Ravi;Hao, Xuejun;Liu, Jun;Chen, Weidong;Peterson, Bradley S.
关键词：
在扩散张量成像 (DTI) 数据的处理和分析中，扩散张量的某些预定义形态特征通常表示为简化的标量指数，称为扩散各向异性指数 (DAI)。当比较图像不同体素或不同图像中相应体素的张量形态时，DAI 在数学和统计上比全张量更容易处理，全张量是由 3 个正交向量组成的概率椭球体，每个向量都有一个方向和一个相关的标量大小。我们开发了一种新的 DAI，即“椭圆体面积比”（EAR），来表示扩散张量形态特征的各向异性程度。 EAR 是 3D 扩散椭球体中表面曲率的归一化几何测量。蒙特卡罗模拟和在人体数据研究中的应用表明，在低噪声水平下，EAR 提供了与分数各向异性 (FA) 类似的对比度 (CNR)，但具有更高的信噪比 (SNR)，而分数各向异性 (FA) 是目前最流行的各向异性指数。此外，在现实世界的 DTI 数据集中最常见的高噪声水平下，与 FA 相比，EAR 对于噪声扰动始终更加稳健，并且提供了更高的 CNR，这些功能对于分析本质上对噪声敏感的 DTI 数据非常有用。
In the processing and analysis of Diffusion Tensor Imaging (DTI) data, certain predefined morphological features of diffusion tensors are often represented as simplified scalar indices, termed Diffusion Anisotropy Indices (DAIs). When comparing tensor morphologies across differing voxels of an image, or across corresponding voxels in different images, DAIs are mathematically and statistically more tractable than are the full tensors, which are probabilistic ellipsoids consisting of 3 orthogonal vectors that each has a direction and an associated scalar magnitude. We have developed a new DAI, the “Ellipsoidal Area Ratio” (EAR), to represent the degree of anisotropy in the morphological features of a diffusion tensor. The EAR is a normalized geometrical measure of surface curvature in the 3D diffusion ellipsoid. Monte Carlo simulations and applications to the study of in vivo human data demonstrate that, at low noise levels, EAR provides a similar contrast-to-noise ratio (CNR) but a higher signal-to-noise ratio (SNR) than does fractional anisotropy (FA), which is currently the most popular anisotropy index in active use. Moreover, at the high noise levels encountered most commonly in real-world DTI datasets, EAR compared with FA is consistently much more robust to perturbations from noise and it provides a higher CNR, features useful for the analysis of DTI data that are inherently noise-sensitive.
登录
查看更多内容
影响因子：
2.5
作者：
Martin, KM;Papadakis, NG;Carpenter, TA
通讯作者：
Carpenter, TA
影响因子：
1.3
作者：
Woods, RP;Grafton, ST;Mazziotta, JC
通讯作者：
Mazziotta, JC
影响因子：
2.5
作者：
Papadakis, NG;Xing, D;Carpenter, TA
通讯作者：
Carpenter, TA
影响因子：
1.3
作者：
Woods, RP;Grafton, ST;Mazziotta, JC
通讯作者：
Mazziotta, JC
影响因子：
3.3
作者：
Kingsley, PB;Monahan, WG
通讯作者：
Monahan, WG