Low SNR in Diffusion MRI Models
扩散 MRI 模型中的低信噪比问题AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究磁共振成像的测量噪声、准似然与参数偏差，未涉及所列因果、面板、时间序列或金融细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
扩散 MRI 模型中的低信噪比问题
- 研究问题
- 低信噪比如何使扩散 MRI 的期望信号偏离真实值并造成参数偏差，数据预处理又怎样影响这种偏差及其修正？
- 方法与思路
- 作者分析成像数据生成过程与分布特征，提出利用这些特征的准似然方法，以扩散张量模型及 Human Connectome Project 数据说明问题。
- 材料陈述的贡献
- 摘要称，提出针对低信噪比特征的准似然方法，分析常见预处理与扩散张量估计的偏差，并展示实际数据中的相关性。
- 阅读关注点
- 应核对成像噪声分布、准似然构造、预处理改变分布的机制，以及实际数据分析如何区分偏差修正与估计变异。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出偏差幅度、算法细节或比较结果，不能断言该方法普遍改善 MRI 估计。
原文摘要
Noise is a common issue for all magnetic resonance imaging (MRI) techniques such as diffusion MRI and obviously leads to variability of the estimates in any model describing the data. Increasing spatial resolution in MR experiments further diminishes the signal-to-noise ratio (SNR). However, with low SNR the expected signal deviates from the true value. Common modeling approaches therefore lead to a bias in estimated model parameters. Adjustments require an analysis of the data generating process and a characterization of the resulting distribution of the imaging data. We provide an adequate quasi-likelihood approach that employs these characteristics. We elaborate on the effects of typical data preprocessing and analyze the bias effects related to low SNR for the example of the diffusion tensor model in diffusion MRI. We then demonstrate the relevance of the problem using data from the Human Connectome Project. Supplementary materials for this article are available online.