[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

技術領域

本發明屬于擴散張量成像技術領域，涉及一種基于健康人群的白質纖維參數化模型構建方法。

背景技術

擴散張量成像技術(diffusion?tensor?imaging，DTI)是一種能夠檢測活體內水分子擴散運動的磁共振成像技術，具有無創性特點，已廣泛地應用于腦科學研究中。基于擴散張量成像技術的大腦白質纖維束成像是目前神經科學研究的熱點之一，它利用擴散張量方向信息對大腦內水分子的擴散運動狀態進行跟蹤，可以得到白質纖維束的形狀、拓撲結構以及空間位置等信息。纖維的追蹤顯示可以用于神經外科手術前的方案制定、手術中的定位指導以及手術后的治療和評價，有助于正確認識疾病對白質纖維通道的影響，從而有效地診斷由于纖維缺失而造成的大腦白質疾病。

然而，由于不同個體間大腦形態的差異使得不同個體間白質纖維束不具有可比性，而且纖維束上體素點的空間解剖位置難以對應，因此對纖維束進行組統計分析比較困難。本研究基于大腦張量圖譜，提取感性腦區間的白質纖維束信息，確立不同纖維點間的、模板空間與個體空間的解剖位置對應關系，從而構建基于健康人群的纖維參數化模型。基于張量圖譜的纖維參數化方法不僅可以對白質纖維束精確定位，而且可以對白質纖維束量化的參數特性進行組的統計分析，這對于白質纖維異常疾病的研究具有重要的意義。

我們目前處理DTI數據集的主流方法是基于纖維束的空間統計(Tract-Based?Spatial?Statistics，TBSS)方法。該方法可以對不同被試者的骨架白質纖維束進行組間比較，尋找有顯著性差異的位置，也就是白質異常區域。基于異常區域，我們可以進行概率型纖維束追蹤，從而估計纖維束的走向。概率型追蹤在一定程度上解決纖維交叉問題，并且可以研究FA值較低的灰質腦區之間的解剖連接。

然而TBSS方法只能分析骨架上的白質纖維束，無法得到其他地方白質的損傷。概率型纖維跟蹤只能描述兩個腦區之間纖維束的有無以及大概走向，不能對纖維束的局部形態進行量化，導致健康人群和病人不能進行組上的比較。因此，當前的主流研究方法存在局限性，不能滿足臨床研究和診斷的需要。

發明內容

本發明的目的在于克服上述技術存在的缺陷，提供一種基于健康人群的白質纖維參數化模型構建方法，可以實現在全腦范圍內展開對纖維束的分析，而不僅僅局限于骨架，并且可以量化腦區間纖維束條數并可沿纖維束分析，解決纖維束中不同纖維上點的對應性問題，從而實現組水平纖維束的統計分析。該方法基于大腦張量圖譜，提出大腦白質纖維束參數化相關方法，從而確立了不同個體纖維間點的解剖位置的對應關系，構建出健康人群的纖維參數化模型。首先，在張量圖譜上進行確定型全腦纖維束跟蹤，提取出感興趣纖維束。根據平均最近距離準則對纖維束進行纖維綁束，針對綁束后的纖維束采用局部密度加權方法選取原型纖維，并根據弧長對原型纖維進行離散化以建立公共坐標系統，利用最優點匹配算法將纖維束上其他纖維上的點與原型纖維上的點間建立對應關系。最后，結合三次線性插值將個體纖維特性映射到圖譜纖維束中，從而確立不同個體間纖維點的對應關系，得到個體被試的特性曲線，從而構建出健康人群的參數化模型。

其具體技術方案為：

一種基于健康人群的白質纖維參數化模型構建方法，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：