用于扩散峰度成像中抗异常值参数估计的ORION框架

《Scientific Reports》：The ORION framework for outlier-robust parameter estimation in diffusion kurtosis imaging

　　

摘要

扩散加权图像容易受到强度异常值的影响，这些异常值会降低扩散张量及扩散峰度成像（DKI）参数估算的准确性和精确度。在本研究中，我们提出了ORION，这是一种基于约束线性最小二乘估计器的体素级框架，用于实现抗异常值的DKI参数估算。ORION能够检测扩散加权图像和非扩散加权图像中的强度异常值，从而确保DKI指标在面对信号丢失或信号过冲等伪影情况时仍能保持稳定性。首先，通过蒙特卡洛仿真框架，比较了所提框架在异常值检测和统计参数估算方面的性能与之前提出的迭代加权线性最小二乘（IRLLS）抗异常值方法的性能。接着，使用ORION、IRLLS以及传统的加权线性最小二乘（WLLS）方法，对两个含有合成异常值的数据集提取的DKI指标进行了比较。这些合成数据集是根据阿尔茨海默病神经影像学计划（ADNI）中两名参与者的体内MRI数据真实生成的，其中一个数据集存在信号丢失问题，另一个则存在信号过冲问题。与WLLS相比，ORION和IRLLS在处理受强度异常值影响的区域时，白质DKI指标的估算误差显著更低；在信号丢失条件下，ORION在部分指标上的表现也优于IRLLS。最后，从体内数据集提取的DKI指标与合成数据上的结果一致。综上所述，ORION能够有效检测并排除强度异常值，从而提升传统DKI估算技术的性能。