A method for anisotropic spatial smoothing of functional magnetic resonance images using distance transformation of a structural image

한글 요약

fMRI 분석에서 잡음을 줄이기 위해 흔히 쓰는 등방성 가우시안 공간 평활화가 공간 해상도를 떨어뜨리고 부분용적 효과를 키우는 문제를 해결하기 위해 새로운 비등방성 평활화 방법을 제안한 연구입니다. fMRI와 정합된 T1 구조영상에서 회백질을 분할하고 거리 변환으로 얻은 강도 기울기를 이용해 각 복셀마다 회백질의 모양을 따르는 비등방성 평활화 커널을 결정합니다. 실제 자료와 모의 자료로 평가한 결과, 제안한 방법은 등방성 평활화보다 통계적 검출력과 회백질 국소화 정확도가 높았고, 구조영상과 fMRI 사이의 정합 오차에도 견고했으며, fMRI 강도 자체에서 기울기를 구하는 기존 비등방성 방법보다도 우수했습니다. 뇌 활성의 위치를 더 정확하게 찾아내는 fMRI 전처리 기법으로 활용될 수 있습니다.

Spatial smoothing using isotropic Gaussian kernels to remove noise reduces spatial resolution and increases the partial volume effect of functional magnetic resonance images (fMRI), thereby reducing localization power. To minimize these limitations, we propose a novel anisotropic smoothing method for fMRI data. To extract an anisotropic tensor for each voxel of the functional data, we derived an intensity gradient using the distance transformation of the segmented gray matter of the fMRI-coregistered T1-weighted image. The intensity gradient was then used to determine the anisotropic smoothing kernel at each voxel of the fMRI data. Performance evaluations on both real and simulated data showed that the proposed method had 10% higher statistical power and about 20% higher gray matter localization compared to isotropic smoothing and robustness to the registration errors (up to 4 mm translations and 4° rotations) between T1 structural images and fMRI data. The proposed method also showed higher performance than the anisotropic smoothing with diffusion gradients derived from the fMRI intensity data.