本文深入解析了基于模型和无模型的纤维重建算法，包括DTI、球棍模型、NODDI、CSD、DSI、QBI和GQI等。讨论了各自的原理、优缺点及适用场景，为神经影像学研究提供了全面的指南。
一. 什么是纤维重建
对结构MRI影像分析比较了解的话一定听过DTI，即DIffusion Tensor Image，初学时我以为DTI跟fMRI, T1类似，也是磁共振影像的一种，可以用来表征大脑内的神经纤维。但是这种认知是错误的，实际上应该是DWI（Diffusion Weighted Imaging），即扩散加权影像，它通过对水分子在多方向上的扩散程度进行成像，从而表征神经纤维的走向。
而DTI是一种纤维重建模型，使用数学模型的方法基于DWI影像计算神经纤维走向并进行纤维追踪，类似于解N阶多元方程，每一阶表示一个方向，阶数越多模拟出的纤维走向就越准确。
而纤维重建算法就不止DTI这一种了（如题所列），它们的区别是什么？原理是什么？
为了更好地理解每种重建方法的优缺点，可以将它们分为基于模型的方法（Model-based methods）或无模型方法（
扫一扫
4276
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
