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

Abstract

Diffusion Weighted Magnetic Resonance Imaging is widely used to study the structure of the fiber pathways of white matter in the brain. However, the recovered axon orientations can be prone to error because of the low signal to noise ratio. Spatial regularization can reduce the error, but it must be done carefully so that real spatial information is not removed and false orientations are not introduced. In this paper we investigate the advantages of 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 multi Diffusion Tensor models. We show the benefits of our approach to three different types of DW-MRI data: synthetic, in vivo human, and acquired from a diffusion phantom

Las imágenes por resonancia magnética pesadas en difusión son ampliamente utilizadas para el estudio de las estructuras cerebrales dentro de la materia blanca del cerebro. Sin embargo, recuperar las orientaciones de los axones puede ser susceptible a errores por el ruido dentro de la señal. Una regularización espacial puede mejorar la estimación, pero debe ser realizada cuidadosamente dado que puede remover información espacial ó introducir falsas orientaciones. En este trabajo se investigaron las ventajas de aplicar un filtro anisotrópico basado en simples y múltiples kerneles de orientación de manojos de axones. Para esto, hemos calculado kerneles locales de difusión basados en modelos de tensores de difusión y multi tensores de difusión. Mostraremos los beneficios de nuestra propuesta en 3 tipos diferentes de imágenes obtenidas por resonancia magnética pesada en difusión: Datos sintéticos, imágenes humanas tomadas en vivo, y datos obtenidos de un fantasma simulador de difusión