[论文解读] Beyond directions: Rotation sets for triaxial diffusion encoding by geometric filter optimization (GFO)

Jespersen, Sune Nørhøj, Filip Szczepankiewicz|arXiv (Cornell University)|Jan 21, 2026

Medical Image Segmentation Techniques被引用 0

一句话总结

本文提出 Geometric Filter Optimization (GFO) 来为三轴扩散编码设计最优旋转集合，在不增加额外扫描时间的情况下提高粉末平均的准确性和高阶不变量的精度。

ABSTRACT

Purpose: We aim to improve the accuracy of the diffusion-weighted powder average signal for diffusion encoding with arbitrary shape. This enables a categorical improvement in all quantification based on, for example, tensor-valued diffusion encoding at no additional cost to acquisition time. Methods: We propose a method to generate optimal rotation sets that are applied to the diffusion encoding gradient waveform to yield powder averages with maximal accuracy. The method, termed ``Geometric Filter Optimization'' (GFO), amounts to designing an appropriate sampling filter which is approximately flat in the relevant part of the associated frequency space. We characterize the filter properties and benchmark the performance in terms of the accuracy and precision of powder averages and higher order rotational invariants. Results: GFO filters were found to have much smaller spectral leakage than other designs. We found that GFO leads to marked improvements in precision and accuracy in powder averaging over generic diffusion encoding objects, and similarly in higher order rotational invariants, although for sufficiently high $b$ and $N$, accuracy, but not precision, deteriorated compared to electrostatic repulsion. Conclusion: GFO provides an efficient recipe for obtaining orientations for powder averaging of signals with non-axisymmetric diffusion encoding. It places no additional demands on gradient system performance and can be used to shorten scan time.

研究动机与目标

• 改进任意扩散编码形状下扩散加权粉末平均信号的准确性。
• 开发生成三轴编码对象的最优旋转集合的方法。
• 在准确性、精度和高阶不变量方面对 GFO 进行与现有旋转方案的基准比较。
• 在不增加梯度硬件负担的情况下实现高效的粉末平均。

提出的方法

• 将有限集合的旋转视为对 SO(3) 的采样滤波器并优化，使其在相关的频率空间中逼近平坦响应。
• 将权重固定为 w_i = 1/N，优化旋转 h_i 以使成本 J 最小化，J 测量理想滤波器 f ≈ 1 的偏离。
• 使用 SO(3) 傅里叶分析与 Wigner-D 矩阵来表示滤波器并推导涉及 SO(3) 调和的成本。
• 通过对滤波器进行对称化引入 D2 二面体对称性，产生 GFO 和 GFO+D2 变体。
• 用四元数对旋转进行参数化并通过全局搜索法（粒子群）进行优化。
• 使用粉末平均的变异系数 CV 及高阶不变量 S_l 来评估性能，并与 Haar-随机、准均匀、elstat 和朴素方案进行比较。
• 提供实现 GFO 的开源代码，地址为 https://github.com/Neurophysics-CFIN/GFO。

实验结果

研究问题

• RQ1 GFO 的旋转集合是否能够降低谱泄漏并提高三轴（非轴对称）扩散编码的粉末平均信号的准确性？
• RQ2 在质量上引入 D2 对称性如何影响粉末平均的质量和高阶旋转不变量？
• RQ3 对于 GFO，相比其他方案，方向数 N 的增多在粉末平均的准确性/精度和高阶不变量方面的权衡是什么？
• RQ4 GFO 优化集合是否在不同 b 值和 N 下改善如 S_2^2 之类高阶不变量的估计？

主要发现

• GFO 滤波在谱泄漏方面显著小于其他设计，尤其在重要的低阶谐波 (l=2, l=4)。
• 与随机、准均匀和静电方案相比，GFO 在三轴编码对象的粉末平均的精度和准确性方面有明显改进。
• 带 D2 对称性的 GFO 常常提供最佳性能，在所测试的方案中在粉末平均中具有最低的变异系数 CV。
• 对于较高的 N，带 D2 的静电斥力在某些高 b 情况下可能超越 GFO，表明仅优化 l=0 并不一定优化高阶不变量。
• GFO 也提高了如 S_2^2 之类高阶旋转不变量在不同 N 和 b 值下的精度，尽管在非常高的 b 和 N 下准确性可能下降。
• 所有增益均在不增加扫描时间的前提下实现，并伴随一次性的离线旋转集合优化。