スパース表現を使用したDWIデータの空間的ワーピング

スカラー画像データとは異なり、DWIデータの登録は、各ボクセルの方向アーキテクチャを残りの画像と整列させるための再配向アルゴリズムの必要性によって複雑になります。このホワイトペーパーでは、空間変換を目的とした拡散加重画像（DWI）シグナルの効果的かつ効率的な反りと再構築のためのアルゴリズムを提示します。重要なアイデアは、ユニット球上で定義された関数であるDWI信号プロファイルを一連の加重ファイバー基底関数（FBF）に分解し、ローカルアフィン変換に基づいてこれらのFBFを独立して再配向し、再配向FBFを再構成して最終変換されたDWI信号プロファイルを取得します。DWI信号プロファイルが通常、限られた数の繊維集団から情報を取得するという事実を反映するために、分解中のFBFSの重みに対するスパース性の制約を実施します。プロファイル内のノイズ誘発性の負のローブを回避できるように、非陰性制約がさらに課されます。また、提案されたフレームワークは、信号の再構築における望ましくない方向転換アーティファクトを避けるために、拡散信号の等方性成分を明示的にモデル化します。既存の方法とは対照的に、現在のアルゴリズムはDWI信号空間で直接実行されるため、変換後に拡散モデルをデータに適合させることができます。

Registration of DWI data, unlike scalar image data, is complicated by the need of reorientation algorithms for keeping the orientation architecture of each voxel aligned with the rest of the image. This paper presents an algorithm for effective and efficient warping and reconstruction of diffusion-weighted imaging (DWI) signals for the purpose of spatial transformation. The key idea is to decompose the DWI signal profile, a function defined on a unit sphere, into a series of weighted fiber basis functions (FBFs), reorient these FBFs independently based on the local affine transformation, and then recompose the reoriented FBFs to obtain the final transformed DWI signal profile. We enforce a sparsity constraint on the weights of the FBFs during the decomposition to reflect the fact that the DWI signal profile typically gains its information from a limited number of fiber populations. A non-negative constraint is further imposed so that noise-induced negative lobes in the profile can be avoided. The proposed framework also explicitly models the isotropic component of the diffusion signals to avoid undesirable reorientation artifacts in signal reconstruction. In contrast to existing methods, the current algorithm is executed directly in the DWI signal space, thus allowing any diffusion models to be fitted to the data after transformation.