高分辨率擴(kuò)散加權(quán)磁共振成像球面反卷積算法研究.pdf

1、利用擴(kuò)散加權(quán)磁共振成像重構(gòu)腦白質(zhì)神經(jīng)纖維是目前活體顯示腦功能區(qū)神經(jīng)纖維走向的重要方法。對于腦認(rèn)知功能、腦外科手術(shù)導(dǎo)航、精神類疾病的研究具有重要的意義。擴(kuò)散張量成像是目前常用的纖維重構(gòu)方法，但是其本質(zhì)局限是不能解決體素內(nèi)存在多于一條纖維的情況。于是，多種多纖維重建方法被提出以解決交叉纖維的重構(gòu)問題。其中，球面反卷積模型是解決多纖維交叉較有效的方法。提高球面反卷積模型的纖維交叉識別角度分辨率是目前研究的熱點(diǎn)和難點(diǎn)。
　　為了提高基于離

2、散纖維方向密度函數(shù)的和連續(xù)纖維方向密度函數(shù)的球面反卷積多纖維重建算法的纖維交叉識別角度分辨率，改善算法的準(zhǔn)確性、魯棒性及計算效率，本項(xiàng)目主要工作如下:
　　首先，針對反卷積模型中的信號響應(yīng)函數(shù)提出了一種簡潔的形式和估計算法。在介紹反卷積算法原理的基礎(chǔ)上，通過對信號響應(yīng)函數(shù)的偏差影響實(shí)驗(yàn)得到信號響應(yīng)函對反卷積重建的纖維方向密度函數(shù)影響的規(guī)律，并進(jìn)而通過實(shí)驗(yàn)獲得擴(kuò)散加權(quán)磁共振信號參數(shù)對反卷積重建的纖維方向密度函數(shù)的影響結(jié)果。實(shí)驗(yàn)結(jié)果表

3、明了本文提出的簡潔形式的信號響應(yīng)函數(shù)的有效性。
　　其次，針對角度分辨率比較高但存在離散誤差缺點(diǎn)的基于離散纖維方向密度函數(shù)的球面反卷積算法，提出了一種擬合處理的方法。該方法采用離散纖維方向密度函數(shù)建立球面反卷積模型，然后采用球諧函數(shù)擬合離散化的纖維方向密度函數(shù)值以補(bǔ)償離散誤差。實(shí)驗(yàn)結(jié)果表明，該算法在相同精度的情況下比增加采樣點(diǎn)的方法效率提高了13倍多，比基于連續(xù)纖維方向密度函數(shù)的球面反卷積算法具有更高的角度分辨率。
　　最后