Angular Upsampling in Infant Diffusion MRI Using Neighborhood Matching in x-q Space.
Angular Upsampling in Infant Diffusion MRI Using Neighborhood Matching in x-q Space.
复制标题
DOI：
10.3389/fninf.2018.00057
复制
发表时间：
2018
影响因子：
3.5
通讯作者：
Yap PT
中科院分区：
文献类型：
--
作者：
Chen G;Dong B;Zhang Y;Lin W;Shen D;Yap PT
扩散MRI需要充分覆盖扩散波矢量空间（也称为q空间），以充分捕获各种方向和尺度上的水扩散模式。因此，采集时间对于不能长时间在扫描仪中保持静止的个体（例如婴儿）来说可能是令人望而却步的。为了解决这个问题，在本文中，我们利用扩散MRI数据的x-q空间中的非局部自相似信息进行q空间上采样。具体来说，我们首先执行邻域匹配，以建立x-q空间中的信号之间的关系。然后，信号的关系来正则化的不适定的逆问题有关的估计高角分辨率的扩散MRI数据从其低分辨率的对应。我们的框架允许弯曲的白色物质结构的信息被用于有效的正则化，否则不适定的问题。使用合成和婴儿扩散MRI数据的广泛评估证明了我们的方法的有效性。与广泛采用的插值方法相比，使用球面径向基函数和球谐函数，我们的方法是能够产生高角分辨率的扩散MRI数据具有更高的质量，定性和定量。
Diffusion MRI requires sufficient coverage of the diffusion wavevector space, also known as the q-space, to adequately capture the pattern of water diffusion in various directions and scales. As a result, the acquisition time can be prohibitive for individuals who are unable to stay still in the scanner for an extensive period of time, such as infants. To address this problem, in this paper we harness non-local self-similar information in the x-q space of diffusion MRI data for q-space upsampling. Specifically, we first perform neighborhood matching to establish the relationships of signals in x-q space. The signal relationships are then used to regularize an ill-posed inverse problem related to the estimation of high angular resolution diffusion MRI data from its low-resolution counterpart. Our framework allows information from curved white matter structures to be used for effective regularization of the otherwise ill-posed problem. Extensive evaluations using synthetic and infant diffusion MRI data demonstrate the effectiveness of our method. Compared with the widely adopted interpolation methods using spherical radial basis functions and spherical harmonics, our method is able to produce high angular resolution diffusion MRI data with greater quality, both qualitatively and quantitatively.
登录
查看更多内容
XQ-NLM：通过X-Q空间非本地贴片匹配的扩散MRI数据。
DOI：
10.1007/978-3-319-46726-9_68
发表时间：
2016-10
期刊：
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
影响因子：
--
作者：
Chen G;Wu Y;Shen D;Yap PT
通讯作者：
Yap PT
影响因子：
3.3
作者：
Hutter, Jana;Price, Anthony N.;Hajnal, Joseph V.
通讯作者：
Hajnal, Joseph V.
影响因子：
24.8
作者：
Qiu A;Mori S;Miller MI
通讯作者：
Miller MI
影响因子：
6
作者：
Chen G;Zhang P;Wu Y;Shen D;Yap PT
通讯作者：
Yap PT
影响因子：
10.6
作者：
Protter, Matan;Elad, Michael;Milanfar, Peyman
通讯作者：
Milanfar, Peyman