Evaluation of non-local means based denoising filters for diffusion kurtosis imaging using a new phantom.
Evaluation of non-local means based denoising filters for diffusion kurtosis imaging using a new phantom.
复制标题
使用新体模进行扩散峰度成像的基于非局部均值的去噪滤波器的评估
DOI：
10.1371/journal.pone.0116986
复制
发表时间：
2015
期刊：
影响因子：
3.7
通讯作者：
Yang G
中科院分区：
文献类型：
--
作者：
Zhou MX;Yan X;Xie HB;Zheng H;Xu D;Yang G
图像去噪对扩散峰度成像（DKI）参数估计精度有着重要影响。这项工作首先提出了一种方法来构建一个DKI幻影，可用于评估性能的去噪算法方面的能力，提高DKI参数估计的可靠性。该模型由人脑的真实的DKI数据集构建，用于构建模型的流水线包括扩散加权（DW）图像滤波、扩散和峰度张量正则化以及DW图像重建。体模保留了图像结构，同时最大限度地减少了图像噪声，因此可以用作评估中的基础事实。其次，我们使用的幻影，以评估三个代表性的算法的非局部均值（NLM）。结果表明，一种基于向量的NLM方案（使用在不同b值下获得的具有冗余信息的DWI数据）在均方误差（MSE）、偏倚和标准差（Std）方面产生了DKI参数的最可靠估计。基于体模的比较结果与基于真实的数据集的比较结果一致。
Image denoising has a profound impact on the precision of estimated parameters in diffusion kurtosis imaging (DKI). This work first proposes an approach to constructing a DKI phantom that can be used to evaluate the performance of denoising algorithms in regard to their abilities of improving the reliability of DKI parameter estimation. The phantom was constructed from a real DKI dataset of a human brain, and the pipeline used to construct the phantom consists of diffusion-weighted (DW) image filtering, diffusion and kurtosis tensor regularization, and DW image reconstruction. The phantom preserves the image structure while minimizing image noise, and thus can be used as ground truth in the evaluation. Second, we used the phantom to evaluate three representative algorithms of non-local means (NLM). Results showed that one scheme of vector-based NLM, which uses DWI data with redundant information acquired at different b-values, produced the most reliable estimation of DKI parameters in terms of Mean Square Error (MSE), Bias and standard deviation (Std). The result of the comparison based on the phantom was consistent with those based on real datasets.
登录
查看更多内容
影响因子：
4.4
作者：
Helpern, Joseph A.;Adisetiyo, Vitria;Falangola, Maria F.;Hu, Caixia;Di Martino, Adriana;Williams, Kathleen;Castellanos, Francisco X.;Jensen, Jens H.
通讯作者：
Jensen, Jens H.
影响因子：
4.4
作者：
Falangola, Maria F.;Jensen, Jens H.;Babb, James S.;Hu, Caixia;Castellanos, Francisco X.;Di Martino, Adriana;Ferris, Steven H.;Helpern, Joseph A.
通讯作者：
Helpern, Joseph A.
影响因子：
3.3
作者：
Alhamud, A.;Tisdall, M. Dylan;Hess, Aaron T.;Hasan, Khader M.;Meintjes, Ernesta M.;van der Kouwe, Andre J. W.
通讯作者：
van der Kouwe, Andre J. W.
影响因子：
19.5
作者：
Pennec, X;Fillard, P;Ayache, N
通讯作者：
Ayache, N
影响因子：
4.4
作者：
Dietrich, Olaf;Raya, Jose G.;Schoenberg, Stefan O.
通讯作者：
Schoenberg, Stefan O.