[發明專利]一種基于健康人群的白質纖維參數化模型構建方法

在審

• 申請號: 201410835831.0
• 申請日: 2014-12-25
• 公開（公告）號: CN104537711A
• 公開（公告）日: 2015-04-22
• 發明（設計）人: 劉繼欣;穆俊婭;張毅;袁凱;田捷
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于健康人群的白質纖維參數化模型構建方法，其特征在于，包括以下步驟：

步驟一：利用磁共振成像手段獲取大腦功能數據并對獲取的數據進行圖譜的構建，在張量圖譜上進行全腦纖維束跟蹤，并提取出感興趣纖維束；

步驟二：基于步驟一中提取得到的纖維束進行纖維綁束處理，以去除異常纖維；

纖維是三維空間中一條連續的曲線，由一系列的三維坐標點表示，對于纖維束中的任意兩條纖維F_i和F_j(i≠j)，d代表它們之間的距離，t代表距離閾值，當d(F_i，F_j)＜t時，則認為這兩條纖維屬于同一簇纖維；

當纖維上點的個數比較多時，在每條纖維上等間距的取15個點，F_i到F_j的距離并不等于F_j到F_i的距離，采用對矩陣中對稱位置處的值取平均來對稱化處理矩陣；

設p_k是F_i上的點，p_l是F_j上的點，則纖維F_i和F_j之間的距離采用最近平均距離進行計算，具體公式如下：

d_M(F_i，F_j)＝mean(d_m(F_i，F_j)，d_m(F_j，F_i))

其中，dm(Fi,Fj)=meanpk∈Fminpl∈Fj||pk-pl||,]]>||·||being?the?Euclidean?norm；

最近平均距離d_M描述了纖維全局的相似度，形狀越相似，空間上越接近，d_M值就越小；

對于距離閾值t的選擇則是利用直方圖的方法獲得，首先纖維之間兩兩求距離，對于每一條纖維，先對它與其他所有纖維的距離求平均值，然后判斷該直方圖是否符合正態分布，如果正態概率圖顯示為直線型形態，則符合正態分布，通過設置顯著性水平求分位數，即為距離閾值t，從而將平均距離值大于分位數的纖維整條去掉，達到對纖維束進行綁束的目的；

步驟三：對綁束后的纖維束采用局部纖維密度加權最長方法提取原型纖維，以建立公共纖維束坐標系統；

通過建立一個公共坐標系統將纖維歸一化，選取最能代表整個纖維束中其它所有纖維的一條，也即原型纖維，通過對原型纖維的基于弧長的離散化建立公共坐標系統，然后根據一定的算法確定其它纖維上的點與原型纖維上點的對應關系；

選擇纖維束中局部纖維密度加權最長的纖維作為原型纖維，纖維密度是通過每個體素的纖維軌跡的數目，首先需要計算出來纖維上等距的點的密度，然后沿著每條纖維將密度進行整合，從而得到每條纖維的纖維密度，選擇值最大的那條纖維作為原型纖維；

步驟四：根據弧長對原型纖維進行離散化，建立公共的纖維束坐標系統；

追蹤時使用的是基于歐拉方法的流線型追蹤算法，纖維上兩相鄰點之間的直線距離大小等于步長值，纖維上的點比較密集，兩相鄰點之間的直線距離近似等于其沿纖維的弧長距離，采用步長近似代替弧長來對原型纖維采樣離散化，基于原型纖維弧長定義的公共坐標系統已經建立；

步驟五：通過纖維點匹配算法將弧長參考坐標傳遞給其他所有纖維，實現圖譜纖維束的歸一化；

纖維點匹配過程通過最優點匹配方法將根據原型纖維建立的弧長參考坐標傳遞給其他所有纖維，以確定其與原型纖維上點的對應關系，從而建立弧長坐標與每一條圖譜纖維上點的對應關系，從而將圖譜纖維束進行歸一化；

OP方法使用Hungarian算法對原型纖維上每個點進行匹配，沿著幾乎垂直于原型纖維的方向尋找匹配點，該方法采用代價函數進行獎懲，假設i是原型纖維上的點，j是纖維上的點，這個距離定義為點i和點j之間的測度距離D_ij，公式如下：

Dij=vijTMivij]]>

其中，v_ij是點i和點j之間的向量；測度張量v_ij是原型纖維上i點處的切線向量，這個測度距離的作用是使沿著垂直于原型纖維的方向進行零代價匹配，此時的距離是垂直于切向量的，隨著角度由垂直發生變化，代價增加，僅僅測量沿著原型纖維切線方向的距離，設定了一個閾值來限制匹配點在原型纖維點間距的40％以內，這樣沿正負切線方向的搜索窗口大小為間距的80％，保證了非最優匹配點不被匹配；

通過與原型纖維點的匹配，每一條纖維都會產生一系列的弧長坐標；

步驟六：將個體空間下被試的擴散屬性映射到圖譜纖維束上，構建個人被試的纖維參數化模型；

具體過程為：以個體的DTI圖像為參考圖像，計算圖譜構建非線性配準過程中總的形變場的逆變換場，然后分別以張量圖譜為所在空間，以個體空間為目標空間，利用逆變換場根據每個弧長坐標點處對應的圖譜纖維坐標位置計算個體空間下相對應的坐標位置，根據計算得到的個體空間下的坐標位置，在個體空間FA圖像中采用三線性插值方法獲得該坐標位置處的擴散屬性值，也即對應弧長坐標點處的擴散屬性值，從而得到個體被試擴散屬性關于弧長坐標的變化曲線。

2.如權利要求書1所述的基于健康人群的白質纖維參數化模型構建方法，其特征在于，步驟六中所述將個體空間下被試的擴散屬性映射到圖譜纖維束上的映射過程中所使用的三線性插值方法的算法如下：

假設點V(x，y，z)是已知點，f(x，y，z)是需要計算求取的V點處的值；對于V點而言，x、y、z分別是其坐標值，x+、y+、z+是正方向上與V點最近的整數坐標值，x-、y-、z-是負方向上與V點最近的整數坐標值，設

xd=x-x-x+-x-,yd=y-y-y+-y-,zd=z-z-z+-z-]]>

首先，沿y軸插值，插值得到的點分別為V1、V2、V3和V4(對應于圖3中的黑色的點)，假設這些點處的函數值分別為a1、a2、b1和b2，則根據線性插值公式得到：

y-y-y+-y-=f(x-,y,z-)-f(x-,y-,z-)f(x-,y+,z-)-f(x-,y-,z-)]]>

V₁(x^-，y，z^-)：a₁＝f(x^-，y，z^-)＝y_d*f(x^-，y⁺，z^-)+(1-y_d)*f(x^-，y^-，z^-)

同樣的有：

V₂(x⁺，y，z^-)：a₂＝f(x⁺，y，z^-)＝y_d*f(x⁺，y⁺，z^-)+(1-y_d)*f(x⁺，y^-，z^-)

(4-4)V₃(x^-，y，z⁺)：b₁＝f(x^-，y，z⁺)＝y_d*f(x^-，y⁺，z⁺)+(1-y_d)*f(x^-，y^-，z⁺)

(4-5)V₄(x⁺，y，z⁺)：b₂＝f(x⁺，y，z⁺)＝y_d*f(x⁺，y⁺，z⁺)+(1-y_d)*f(x⁺，y^-，z⁺)

然后，沿著x軸插值，插值得到的點分別為Q1和Q2，假設這些點處的函數值分別為c1和c2，則同樣的根據線性插值公式得到：

Q₁(x，y，z^-)：c₁＝f(x，y，z^-)＝x_d*f(x⁺，y，z^-)+(1-x_d)*f(x^-，y，z^-)

＝x_d*a₂+(1-x_d)*a₁

Q₂(x，y，z⁺)：c₂＝f(x，y，z⁺)＝x_d*f(x⁺，y，z⁺)+(1-x_d)*f(x^-，y，z⁺)

＝x_d*b₂+(1-x_d)*b₁

最后，沿著z軸插值，插值得到的點即為已知點V，求出的V點處的函數值f(x，y，z)即為所求插值結果：

V(x，y，z)：f(x，y，z)＝z_d*f(x，y，z⁺)+(1-z_d)*f(x，y，z^-)

＝z_d*c₂+(1-z_d)*c₁

為了編程方便，將上述一系列公式合并為一個公式，即

f(x，y，z)＝(1-z_d){(1-y_d)[(1-x_d)f(x^-，y^-，z^-)+x_df(x⁺，y^-，z^-)]+

y_d[(1-x_d)f(x^-，y⁺，z^-)+x_df(x⁺，y⁺，z^-)]}

+z_d{(1-y_d)[(1-x_d)f(x^-，y^-，z⁺)+x_df(x⁺，y^-，z⁺)]+

y_d[(1-x_d)f(x^-，y⁺，z⁺)+x_df(x⁺，y⁺，z⁺)]}。