基于領(lǐng)域字典基模型的腦纖維流線微分方程跟蹤算法.pdf

1、基于擴(kuò)散磁共振成像的腦白質(zhì)纖維成像技術(shù)是目前活體顯示神經(jīng)纖維走向的唯一非侵入式方法。其中，白質(zhì)纖維微結(jié)構(gòu)重構(gòu)方法和纖維跟蹤技術(shù)使得人們可以從微觀和宏觀層面來(lái)研究大腦結(jié)構(gòu)，在腦神經(jīng)外科手術(shù)導(dǎo)航、精神類疾病診斷及腦網(wǎng)絡(luò)構(gòu)建等方面發(fā)揮著重要作用。然而，當(dāng)前的纖維重構(gòu)模型由于其通常只考慮單個(gè)體素信息的重建，缺乏纖維結(jié)構(gòu)整體性的研究，存在重構(gòu)精度不高和抗噪性差的問題。另一方面，傳統(tǒng)的確定性、概率性纖維跟蹤方法由于過(guò)于依賴局部體素的纖維方向分布，在

2、跟蹤過(guò)程中容易受到一些不確定因素的干擾而引起較大偏差;全局跟蹤方法由于模型和求解過(guò)程過(guò)于復(fù)雜，在時(shí)間和空間復(fù)雜度上還遠(yuǎn)遠(yuǎn)不能滿足實(shí)際使用的需求。
　　本文針對(duì)以上問題進(jìn)行了分別研究，并提出了新的方法加以改善。具體工作內(nèi)容如下:
　　1)在字典基框架的基礎(chǔ)上，提出了一種鄰域字典基纖維重構(gòu)模型。通過(guò)引入相鄰體素的纖維信息，利用體素間纖維方向分布和信號(hào)的相關(guān)性對(duì)每個(gè)體素進(jìn)行約束，建立一個(gè)帶有區(qū)域結(jié)構(gòu)約束的體素重構(gòu)模型。同時(shí)，從鄰域

3、中自適應(yīng)地學(xué)習(xí)、構(gòu)建稀疏字典基用于模型重建，降低求解的計(jì)算復(fù)雜度，提高計(jì)算效率。模擬數(shù)據(jù)和實(shí)際臨床數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，本文提出的纖維重構(gòu)模型能夠保持較好的纖維一致性和平滑性，并且具有較高的重建精度和穩(wěn)定性。
　　2)提出一種腦纖維流線微分方程跟蹤算法。在跟蹤過(guò)程中搜索出鄰域體素中與自身行進(jìn)方向相近的多個(gè)纖維方向，建立一個(gè)三維空間上連續(xù)平滑的方向流場(chǎng)來(lái)表征纖維流線的分布，減小纖維建模誤差帶來(lái)的方向估計(jì)不準(zhǔn)確的影響。通過(guò)龍格庫(kù)塔數(shù)值積