部分容積效應(yīng)下的神經(jīng)纖維方向估計模型與算法.pdf

1、基于擴散磁共振信號的腦白質(zhì)纖維成像是目前重構(gòu)活體大腦組織微觀結(jié)構(gòu)的唯一一種非入侵性的方法。在多種擴散磁共振方法中，高角度分辨率擴散成像(HARDI)技術(shù)不僅克服了擴散張量模型難以重構(gòu)交叉纖維的缺點，而且需要較少的擴散采樣數(shù)量，成為腦纖維成像研究的熱點。其中球面反卷積模型作為目前最高效的HARDI成像方法之一，大大提高了纖維重構(gòu)角度的精確性。然而由于采樣體素具有相對較大的體積，在腦組織之間存在不可忽略的部分容積效應(yīng)，這將導(dǎo)致傳統(tǒng)的纖維成像

2、方法的不準(zhǔn)確。
　　針對上述問題，本文在經(jīng)典球面反卷積模型的基礎(chǔ)上，設(shè)計了新的腦纖維成像模型，同時解決了反卷積模型中球諧函數(shù)的高次諧波截斷、最小二乘算法的不適定性等問題，本文的主要工作如下:
　　(1)針對腦組織中的部分容積效應(yīng)問題，提出了一種多響應(yīng)核函數(shù)模型。該模型綜合考慮組織中的各向同性擴散信號和各向異性擴散信號得到了新的纖維方向分布函數(shù)，從而可以從擴散加權(quán)信號中分離出各向同性擴散信號，克服了組織中的部分容積效應(yīng)，提供了

3、更加精確的纖維方向的估計。
　　(2)基于字典基函數(shù)表示纖維方向分布函數(shù)，提出了一種新的量化各向同性信號強弱的指標(biāo)。該指標(biāo)基于多響應(yīng)核函數(shù)模型，利用纖維方向分布函數(shù)的一部分分離出組織中的各向同性擴散信號。
　　(3)提出一種求解多響應(yīng)核函數(shù)球面反卷積模型的Richardson-Lucy(RL)算法。該算法利用額外的先驗知識，在模型中增加了全變差正則化和稀疏正則化項解決了最小二乘算法的高度不適定性，保證了纖維方向的非負(fù)性。