线性扩散张量模型的正式表征和扩展

我们分析了Rician分布的对数性质，导致线性扩散张量模型中误差概率法则的完全表征。几乎完全没有偏差，原始复数数据中方差与信噪比之间的简单关系，以及接近正态性的逼近，促进了通过迭代加权最小二乘算法估计张量分量。线性模型的理论还用于推导平均扩散率的分布，开发了相对拟合不足的椭球（或球形）模型与不受限制的线性模型之间的有意义统计检验，并估计原始数据中的信噪比。假发现率（FDR）已用于控制体素级多重比较中统计显著性的阈值。这些方法通过应用于三个临床相关的扩散张量成像（DTI）数据集进行了说明：一个健康志愿者，一个急性脑损伤患者，以及一个脑积水患者。有趣的是，包括通常由基底神经节和内囊组成的区域，以及脑损伤和脑积水患者的水肿区域，其误差模式在很大程度上与其平均扩散率独立。这些观察是在具有足够大信噪比（>2）的脑区进行的，以证明对数Rician概率模型的假设。扩散率及其误差的组合可能在脑实质组织中急性病理性细胞外液体积扩展的诊断DTI中提供附加价值。