Simulations numériques en IRM de perfusion cérébrale: bruit log-ricien ou bruit gaussien ?
Résumé
Perfusion MRI is a reference clinical routine examination for the diagnosis of cerebral ischemia. In order to test and validate posttreatment algorithm for MRI perfusion sequences by the means of simulation, we need to use realistic noise models. We discuss the validity of a gaussian approximation of the log-rician distribution of the MRI data, first via a low-level statistic approach, then via the extraction of high-level information with respect to the processing pipeline, such as the extraction of the cerebral blood flow
L’IRM de perfusion est un examen de référence en routine clinique pour le diagnostic de l’ischémie cérébrale. Pour tester et valider par simulation les algorithmes de post-traitement sur cette séquence, il est nécessaire de disposer de modèles de bruit réalistes. Nous discutons de la validité d’une approximation gaussienne de la distribution log-ricienne des données IRM via une approche statistique de bas niveau puis via l’extraction d’information de haut niveau dans la chaîne de traitement, telle que celle du flux sanguin cérébral.