Denoising of brain DW-MR data by single and multiple diffusion kernels Denoising of brain DW-MR data by single and multiple diffusion kernels

Abstract

Las imágenes por resonancia magnética pesadas en difusión son ampliamente utilizadaspara el estudio de las estructuras cerebrales dentro de la materia blanca del cerebro. Sinembargo, recuperar las orientaciones de los axones puede ser susceptible a errores por elruido dentro de la señal. Una regularización espacial puede mejorar la estimación, perodebe ser realizada cuidadosamente dado que puede remover información espacial ó introducirfalsas orientaciones. En este trabajo se investigaron las ventajas de aplicar un filtroanisotrópico basado en simples y múltiples kerneles de orientación de manojos de axones.Para esto, hemos calculado kerneles locales de difusión basados en modelos de tensoresde difusión y multi tensores de difusión. Mostraremos los beneficios de nuestra propuestaen 3 tipos diferentes de imágenes obtenidas por resonancia magnética pesada en difusión:Datos sintéticos, imágenes humanas tomadas en vivo, y datos obtenidos de un fantasmasimulador de difusión.<br>Diffusion Weighted Magnetic Resonance Imaging is widely used to study the structure ofthe fiber pathways of white matter in the brain. However, the recovered axon orientationscan be prone to error because of the low signal to noise ratio. Spatial regularization canreduce the error, but it must be done carefully so that real spatial information is not removedand false orientations are not introduced. In this paper we investigate the advantagesof applying an anisotropic filter based on single and multiple axon bundle orientation kernels.To this end, we compute local diffusion kernels based on Diffusion Tensor and multiDiffusion Tensor models. We show the benefits of our approach to three different types ofDW-MRI data: synthetic, in vivo human, and acquired from a diffusion phantom.