神經(jīng)磁共振指紋識別技術的研究.pdf

1、腦科學研究已經(jīng)成為當今最熱門的研究話題之一。腦神經(jīng)系統(tǒng)的研究能提高人類對大腦高智能高效率的認知，對人工智能、細胞生物學和生物信息學等相關領域都有重要的推動作用。所以，對非介入式腦神經(jīng)影像技術的研究有著重要的現(xiàn)實意義。
　　彌散張量成像（Diffusion Tensor Imaging，DTI）是目前唯一能無創(chuàng)繪制活體大腦的白質神經(jīng)纖維通路的磁共振成像（Magnetic Imaging Resonance，MRI）方法，能夠從若干特

2、征參數(shù)的變化反映中樞神經(jīng)系統(tǒng)的異常改變。然后由于目前還沒有對DTI圖像量化分析的統(tǒng)一、完善方法，使得本來功能強大的DTI技術在臨床并不能發(fā)揮其應有效能。出于對現(xiàn)有DTI技術局限性的考慮，需要引入一種新的技術理念來解決DTI技術的固有缺陷。磁共振指紋識別（Magnetic Resonance Fingerprinting，MRF）預先利用隨機采樣模式，實現(xiàn)基于對具有不同磁共振頻率和移動目標物質的空時信號區(qū)分?；贛RF的理念，本文提出研究

3、開發(fā)一種基于磁共振DTI的腦神經(jīng)指紋技術。
　　腦神經(jīng)指紋技術經(jīng)過對DTI數(shù)據(jù)預處理，通過神經(jīng)磁共振指紋手動提取平臺與腦神經(jīng)病灶的半自動、自動定位方法，能夠提取到目標神經(jīng)位置的隨掃描梯度同步變化的相關信息，建立與神經(jīng)生理性質一一對應的指紋特征，從而實現(xiàn)從空間到性質對腦神經(jīng)的量化分析。在此基礎上，本文開發(fā)了相應的模式識別的方法，利用PCA降維法，選取不同的相似性測度與機器學習算法對DTI數(shù)據(jù)進行聚類分析，實現(xiàn)腦神經(jīng)指紋技術對DTI數(shù)

4、據(jù)處理的整體流程。
　　本文將腦神經(jīng)指紋技術應用于腦梗塞病灶檢測，聚類結果顯示基于余弦距離相似性測度的腦梗塞病灶指紋的手動ROI聚類結果和診斷報告的預分類完全一致。由于傳統(tǒng)的磁共振腦成像的可視化纖維信息無法區(qū)分腦疾病的病例發(fā)展階段，DTI腦神經(jīng)指紋識別技術彌補了傳統(tǒng)的磁共振腦成像欠量化的缺陷，顯示出了其獨特優(yōu)勢，充分證明了腦神經(jīng)指紋識別思想的可行性。此外，本文對腦神經(jīng)信號模式變化特征的探索為腦神經(jīng)指紋字典庫的建立打下了堅實的基礎。