Diffusion Tensor Imaging and Deconvolution on Spaces of Positive Definite Symmetric Matrices

Abstract : Diffusion tensor imaging can be studied as a deconvolution density estimation problem on the space of positive definite symmetric matrices. We develop a nonparametric estimator for the common density function of a random sample of positive definite matrices. Our estimator is based on the Helgason-Fourier transform and its inversion, the natural tools for analysis of compositions of random positive definite matrices. Under smoothness conditions on the density of the intrinsic error in the random sample, we derive bounds on the rates of convergence of our nonparametric estimator to the true density.
Type de document :
Communication dans un congrès
Xavier Pennec. 2nd MICCAI Workshop on Mathematical Foundations of Computational Anatomy, Oct 2008, New-York, United States. pp.140-149, 2008
Liste complète des métadonnées

Littérature citée [18 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00632882
Contributeur : Alain Monteil <>
Soumis le : dimanche 16 octobre 2011 - 23:03:37
Dernière modification le : jeudi 4 octobre 2018 - 16:24:05
Document(s) archivé(s) le : jeudi 15 novembre 2012 - 09:46:45

Fichier

mfca08_5_1.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00632882, version 1

Collections

Citation

Peter Kim, Donald Richards. Diffusion Tensor Imaging and Deconvolution on Spaces of Positive Definite Symmetric Matrices. Xavier Pennec. 2nd MICCAI Workshop on Mathematical Foundations of Computational Anatomy, Oct 2008, New-York, United States. pp.140-149, 2008. 〈inria-00632882〉

Partager

Métriques

Consultations de la notice

94

Téléchargements de fichiers

36