Q-Ball Images Segmentation Using Region-Based Statistical Surface Evolution

In this article we develop a new method to segment Q-Ball imaging (QBI) data. We first estimate the orientation distribution function (ODF) using a fast and robust spherical harmonic (SH) method. Then, we use a region-based statistical surface evolution on this image of ODFs to efficiently find coherent white matter fiber bundles. We show that our method is appropriate to propagate through regions of fiber crossings and we show that our results outperform state-of-the-art diffusion tensor (DT) imaging segmentation methods, inherently limited by the DT model. Results obtained on synthetic data, on a biological phantom, on real datasets and on all 13 subjects of a public QBI database show that our method is reproducible, automatic and brings a strong added value to diffusion MRI segmentation. Key-words: diffusion tensor imaging (DTI), high angular resolution diffusion imaging (HARDI), Q-ball imaging (QBI), orientation distribution function (ODF), region-based segmentation, level set framework, Riemannian and Euclidean distances ∗ [email protected] † [email protected] Évolution de Surface par Statistique de Région pour la Segmentation en Imagerie par Q-Ball Résumé : Nous proposons une méthode de segmentation des images de diffusion à haute résolution angulaire (HARDI) obtenues en imagerie par Q-ball (QBI). D’abord, la fonction de distribution d’orientation (ODF) des fibres de la matrière blanche est estimée à l’aide de la base des harmoniques sphériques et d’une méthode d’estimation récente, analytique, robuste et rapide. Ensuite, nous utilisons une évolution de surface par statistique de région sur cette image d’ODF pour retrouver des ensembles de faisceaux de fibres cohérents partageant les mêmes caractéristiques. Nous montrons que notre nouvelle méthode reproduit les résultats état de l’art basés sur le tenseur de diffusion (DT) et que nous améliorons les résultats de segmentation dans les régions de croisements de faisceaux fibres, là où le DT est intrinsèquement limité. Enfin, nos résultats sur des données simulées, sur un fantôme biologique, sur des données réelles ainsi que sur la base de données HARDI publique comportant 13 sujets démontrent que notre approche est reproductible, automatique et apporte une valeur ajoutée importante pour la segmentation d’images IRM pondérées en diffusion. Mots-clés : Imagerie du tenseur de diffusion (DTI), imagerie de diffusion à haute résolution angulaire (HARDI), imagerie par Q-ball (QBI), function de distribution des orientations (ODF), segmentation, courbe de niveau, distances Riemannienne et Euclidienne Q-Ball Imaging Segmentation 3