[發明專利]基于纖維中點與端點的大腦白質纖維束聚類方法有效
| 申請號： | 202010544025.3 | 申請日： | 2020-06-15 |
| 公開（公告）號： | CN111739580B | 公開（公告）日： | 2021-11-02 |
| 發明（設計）人： | 劉繼欣;李睿梟;薛倩雯;穆俊婭 | 申請（專利權）人： | 西安電子科技大學 |
| 主分類號： | G16B5/00 | 分類號： | G16B5/00;G16B40/00;G06K9/32;G06K9/34;G06K9/46;G06K9/62 |
| 代理公司： | 陜西電子工業專利中心 61205 | 代理人： | 陳宏社;王品華 |
| 地址： | 710071*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 纖維 中點 端點 大腦 白質 束聚類 方法 | ||
1.一種基于纖維中點與端點的大腦白質纖維束聚類方法，其特征在于，包括如下步驟：
(1)獲取全腦纖維集：
采用圖像處理軟件，并通過格式為NIFTI的大腦矢狀位的彌散張量圖像DTI、以及DTI掃描的梯度編碼.bval文件和.bvec文件進行全腦確定型纖維追蹤，得到全腦纖維集Fibers，Fibers＝{fiber1，fiber2，...，fiberi，...，fiberM}，其中fiberi表示第i條3D纖維，fiberi＝{(x1，y1，z1)，(x2，y2，z2)，...，(xj，yj，zj)，...，(xm，ym，zm)}，M≥1，m≥1，(xj，yj，zj)表示第j個離散點，xj、yj和zj分別表示與DTI對應的x、y和z軸上的體素坐標；
(2)對全腦纖維集Fibers進行分割：
(2a)分別定義全腦纖維集Fibers中纖維起點的3D感興趣區域ROI1和纖維終點的3D感興趣區域ROI2，ROI1＝{(x′1，y′1，z′1)，(x′2，y′2，z′2)，...，(x′k，y′k，z′k)，...，(x′p，y′p，z′p)}，ROI2＝{(x″1，y″1，z″1)，(x″2，y″2，z″2)，...，(x″l，y″l，z″l)，...，(x″q，y″q，z″q)}，其中(x′k，y′k，z′k)表示第k個離散點，x′k、y′k和z′k分別表示與DTI對應的x、y和z軸上的體素坐標，(x″l，y″l，z″l)表示第l個離散點，x″l、y″l和z″l分別表示與DTI對應的x、y和z軸上的體素坐標，p≥1，q≥1；
(2b)計算每條纖維fiberi與ROI1的最小歐式距離，得到最小歐式距離集同時計算fiberi與ROI2的最小歐式距離，得到最小歐式距離集其中，分別表示fiberi與ROI1、ROI2的最小歐式距離；
(2c)設離散點間距離閾值為D，D＞0，并判斷且是否成立，若是，得到Fibers同時與ROI1和ROI2相交的纖維束tract，tract＝{fiber1，fiber2，...，fiberr，...，fiberN}，其中，1≤N≤M，fiberr表示第r條3D纖維，fiberr＝{(x1，y1，z1)，(x2，y2，z2)，...，(xs，ys，zs)，...，(xt，yt，zt)，...，(xn，yn，zn)}，n≥2，s∈[1，n)，t∈(1，n]，s＜t，(xs，ys，zs)表示與ROI1的最小歐式距離滿足距離閾值D的第1個離散點，xs、ys和zs分別表示與DTI對應的x、y和z軸上的體素坐標，(xt，yt，zt)表示與ROI2的最小歐式距離滿足距離閾值D的最后1個離散點，xt、yt和zt分別表示與DTI對應的x、y和z軸上的體素坐標；
(2d)篩選出fiberr中與ROI1相交的第1個離散點(xs，ys，zs)到與ROI2相交的最后1個離散點(xt，yt，zt)之間的離散點，得到纖維束tract′，tract′＝{fiber1′，fiber2′，...，fiberr′，...，fiberN′}，其中，fiberr′表示第r條3D纖維，fiberr′＝{br，...，cr}，br＝(xrs，yrs，zrs)是第r條纖維的起點，cr＝(xrt，yrt，zrt)是第r條纖維的終點，得到一個纖維束中所有纖維的起點集Start，Start＝{b1，b2，...，br，...，bN}，以及所有纖維的終點集Last，Last＝{c1，c2，...，cr，...，cN}；
(3)確定每條纖維fiberr′的中點：
計算fiberr′中離散點的總個數Num，并判斷Num是否為奇數，若是，將第個離散點作為fiberr′的中點ar，否則，將第個離散點作為fiberr′的中點ar，則所有纖維的中點組成中點集Middle，Middle＝{a1，a2，...，ar，...，aN}，ar＝(xrw，yrw，zrw)，w∈(s，t)；
(4)對中點集Middle進行聚類：
利用具有噪聲的基于密度的空間聚類DBSCAN方法對中點集Middle進行聚類，得到中點聚類的聚類結果A，A＝{A1，A2，...，Ae，...，AE}，1≤E≤N，其中，Ae是包含與ne個纖維中點分別對應的ne條纖維的第e類纖維；
(5)對每個纖維類Ae進行端點聚類：
將Ae中的ne條纖維對應的纖維起點組合成起點集Starte，并對Starte進行DBSCAN聚類，得到Ae的起點聚類結果Be，Be＝{(Be)1，(Be)2，...，(Be)f，...，(Be)F}，同時將Ae中的ne條纖維對應的纖維終點組合成終點集Laste，并對Laste進行DBSCAN聚類，得到Ae的終點聚類結果Ce，Ce＝{(Ce)1，(Ce)2，...，(Ce)g，...，(Ce)G}，其中，1≤F≤ne，1≤G≤ne，(Be)f是包含與mf個纖維起點分別對應的mf條纖維的第f類纖維，(Ce)g是包含與mg個纖維終點分別對應的mg條纖維的第g類纖維；
(6)確定Ae的端點聚類結果：
(6a)判斷Be或者Ce中的離散點是否全部被DBSCAN聚類識別成噪聲點，若是，Ae中的纖維被分成ne類，每條纖維自成1類，得到Ae的端點聚類結果clusterse，否則，執行步驟(6b)；
(6b)判斷F＝G＝1是否成立，若是，Ae中的纖維被分成1類，得到Ae的端點聚類結果clusterse，否則，執行步驟(6c)；
(6c)判斷F＝1且G＞1是否成立，若是，Ae中的纖維被分成G類，得到Ae的端點聚類結果clusterse，clusterse＝{(Ce)1，(Ce)2，...，(Ce)g，...，(Ce)G}，否則，執行步驟(6d)；
(6d)判斷G＝1且F＞1是否成立，若是，Ae中的纖維被分成F類，得到Ae的端點聚類結果clusterse，clusterse＝{(Be)1，(Be)2，...，(Be)f，...，(Be)F}，否則，執行步驟(6e)；
(6e)將每個(Be)f中的mf條纖維對應的纖維終點組合成終點集(Laste)f，并對(Laste)f進行DBSCAN聚類，得到Be的終點聚類結果Be′，Be′＝{(Ie)1，(Ie)2，...，(Ie)f′，...，(Ie)F′}，同時將每個(Ce)g中的mg條纖維對應的纖維起點組合成起點集(Starte)f，并對(Starte)f進行DBSCAN聚類，得到Ce的起點聚類結果Ce′，Ce＝{(Je)1，(Je)2，...，(Je)g′，...，(Je)G′}，其中，1≤F′≤ne，1≤G′≤ne，(Ie)f′包含與mf′個纖維終點分別對應的mf′條纖維，(Je)g′包含與mg′個纖維起點分別對應的mg′條纖維；
(6f)判斷F′＞G′是否成立，若是，Ae中的纖維被分成F′類，得到Ae的端點聚類結果clusterse，clusterse＝{(Ie)1，(Ie)2，...，(Ie)f′，...，(Ie)F′}，否則，Ae中的纖維束被分成G′類，得到Ae的端點聚類結果clusterse，clusterse＝{(Je)1，(Je)2，...，(Je)g′，...，(Je)G′}；
(7)獲取大腦白質纖維束的聚類結果：
將A中所有纖維類的端點聚類結果組合，得到纖維束tract′的聚類結果Clusters，Clusters＝{clusters1，clusters2，...，clusterse，...，clustersE}，其中clusterse表示第e類纖維的端點聚類結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學，未經西安電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010544025.3/1.html，轉載請聲明來源鉆瓜專利網。
