Fiber Density Estimation by Tensor Divergence
Fiber Density Estimation by Tensor Divergence
复制标题
通过张量散度估计纤维密度
DOI：
10.1007/978-3-642-33418-4_37
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Valerij G. Kiselev
中科院分区：
文献类型：
--
作者：
Marco Reisert;Henrik Skibbe;Valerij G. Kiselev
扩散敏感磁共振成像提供了有关人类大脑纤维结构的信息。然而，这种信息不足以重建底层的纤维网络，因为扩散的性质只提供了条件纤维密度。也就是说，可以推断出以特定方向通过体素的束的百分比，但是纤维的绝对数量是不可访问的。在这项工作中，我们提出了一个张量场的守恒方程，可以推断这个数字的一个因素。对合成体的模拟表明，该方法能够正确地导出各种构型的密度。20名健康志愿者的体内结果是合理和一致的，而严格的评估是困难的，因为即使在研究最多的大脑结构上，来自MRI和组织学的结论性数据仍然难以捉摸。
Diffusion-sensitized magnetic resonance imaging provides information about the fibrous structure of the human brain. However, this information is not sufficient to reconstruct the underlying fiber network, because the nature of diffusion provides only conditional fiber densities. That is, it is possible to infer the percentage of bundles that pass a voxel with a certain direction, but the absolute number of fibers is inaccessible. In this work we propose a conservation equation for tensor fields that can infer this number up to a factor. Simulations on synthetic phantoms show that the approach is able to derive the densities correctly for various configurations. In-vivo results on 20 healthy volunteers are plausible and consistent, while a rigorous evaluation is difficult, because conclusive data from both MRI and histology remain elusive even on the most studied brain structures.
德里克·琼斯 (Derek K. Jones) 扩散 MRI：理论、方法和应用
DOI：
--
发表时间：
2012
期刊：
Journal of Neurological Sciences
影响因子：
--
作者：
P. Bhattacharya
通讯作者：
P. Bhattacharya
影响因子：
5.7
作者：
Reisert, Marco;Mader, Irina;Kiselev, Valerij
通讯作者：
Kiselev, Valerij
影响因子：
10.6
作者：
Reisert, Marco;Kiselev, Valerij G.
通讯作者：
Kiselev, Valerij G.