eddymotion 0.1.15

估计来自扩散MRI数据中eddy电流的头动和变形.

在扩散磁共振成像（dMRI）实验中，对采集到的弥散加权图像（DWI）进行回顾性头动估计对于包含高弥散度（或“高b”）图像的数据集来说极具挑战性1。与更传统的弥散张量成像（DTI）方案相比，这些“高b”（b > 1000s/mm²）DWI可以实现更高的角分辨率。UNDISTORT [1]（使用非扭曲图像模拟配准目标模板）是解决此问题的最早方法，通过模拟一个没有运动或扭曲的DTI（b=1000s/mm²）扫描的同一受试者的目标DW图像。后来，Andersson和Sotiropoulos [2] 提出了一种类似的方法（在FSL eddy 工具中广泛可用），通过预测要从dMRI数据集的其余部分注册的目标DW图像，并用高斯过程进行建模。除了需要更少的数据外，eddy 还具有隐式建模由于涡流引起的扭曲的优点。最近，Cieslak等人 [3] 在 SHORELine 中整合了这两种方法，通过（i）设置与eddy相同的留一法预测框架；以及（ii）用SHORE [4] 扩散模型替换eddy的通用高斯过程预测。

Eddymotion 是基于eddy和SHORELine的开源实现，它将这两种方法推广到多种采集方案（单壳、多壳和扩散谱成像），并使用DIPY中可用的扩散模型[5]。