人腦三維彌散張量影像數(shù)字化統(tǒng)計圖譜研究.pdf

1、人腦彌散張量DTI圖像作為一種非侵入性成像技術，能夠提供傳統(tǒng)CT、MRI等結構成像方式難以捕捉的白質纖維走行信息，拓展了人腦連接組(human brain connectome)研究、人腦疾病診斷等多個研究領域的數(shù)據(jù)采集、處理和分析手段，豐富了描述人腦微觀解剖結構及功能特征的表示方法，在理論及工程上引起了極大的關注。數(shù)字化統(tǒng)計圖譜（digital statistical atlas）是計算神經(jīng)解剖學(computational neur

2、oanatomy)研究框架中一個十分重要的分支。通過對大規(guī)模正常人群醫(yī)學影像樣本數(shù)據(jù)集進行統(tǒng)計意義上的學習和建模，形成蘊含正常人群解剖結構共性特征，并帶有一定泛化能力(generalization ability)的數(shù)字化統(tǒng)計圖譜，是檢測未知個體與正常人群結構形態(tài)差異性的基礎。
　　 研究創(chuàng)建三維DTI圖像數(shù)字化統(tǒng)計圖譜（簡稱“DTI統(tǒng)計圖譜”）具有十分重要的意義，國內外相關研究仍處于起步階段。DTI圖像本質上是一個三維二階張量

3、場。DTI統(tǒng)計圖譜的創(chuàng)建涉及張量模型優(yōu)化、張量圖像配準、張量圖像特征表示、圖譜統(tǒng)計模型估計等基本問題。本文旨在將適用于傳統(tǒng)標量醫(yī)學影像的統(tǒng)計圖譜創(chuàng)建技術加以改進，全面、完整地推廣到三維二階張量場，并通過人腦連接組研究領域的有關應用展示和驗證DTI統(tǒng)計圖譜的創(chuàng)建效果。具體研究成果和創(chuàng)新點介紹如下：
　　 1.在DTI張量模型中引入了Riemannian流形上的Log-Euclidean測度理論，重構了張量基本運算，為后續(xù)的配準、特

4、征表示等研究提供了統(tǒng)一的數(shù)學基礎。同時，利用該理論提出了保持張量內蘊幾何結構一致性的插值算法及改進的張量場正則化算法。實驗表明，Log-Euclidean測度能夠很好地提高張量場插值和正則化的精度。
　　 2.提出了一種基于Log-Euclidean測度和張量重定向的非剛性配準算法。在將適用于標量圖像配準的LDDMM(large deformation diffeomorphic metric mapping)算法和微分同胚De

5、mons（diffeomorphic Demons）算法推廣到三維二階張量場的基礎上，利用有限應變(finite strain)模型對微分同胚Demons算法進行了改進，在配準形變過程中增加了張量重定向變換，保證了張量內蘊幾何特征的一致性。實驗結果表明，改進的微分同胚Demons算法具有較高的配準精度，同時具有較小的計算復雜度，為本文后續(xù)創(chuàng)建DTI統(tǒng)計圖譜提供了有利條件。
　　 3.在前期高分辨率CT圖像紋理特征提取算法研究的基

6、礎上，提出了一種DTI圖像多尺度特征表示的方法，并設計了TIDA(tensor image discriminative attributes)算法用于構造特征描述向量。利用TIDA算法提取的圖像特征結合半自動的Random Walks算法，實現(xiàn)了對腦白質、灰質和腦脊液的分割，以及腦部占位性病變區(qū)域的提取。
　　 4.提出了基于大規(guī)模樣本集DTI統(tǒng)計圖譜自動化創(chuàng)建的完整框架，利用前面提出的Log-Euclidean測度下的微分同

7、胚Demons算法，實現(xiàn)了基于多尺度特征描述向量的DTI統(tǒng)計圖譜自動化創(chuàng)建。同時，基于統(tǒng)計圖譜的微分同胚性和無偏性改進了圖譜創(chuàng)建過程中配準模板的交叉優(yōu)化流程，保證了統(tǒng)計圖譜的無偏性和微分同胚性。
　　 5.利用國際上最新的DTI公共數(shù)據(jù)庫成功創(chuàng)建了基于20例正常人群樣本數(shù)據(jù)的Beijing_Zang_20人腦三維DTI統(tǒng)計圖譜，并以人腦結構連接組作為研究方向，對自主創(chuàng)建的DTI統(tǒng)計圖譜進行了腦網(wǎng)絡建模的實證研究。實驗中通過配準的