基于DTI的脑白质神经纤维跟踪技术及其应用

论文摘要

扩散张量成像(DTI)是在磁共振成像(MRI)基础上发展起来的一种新的无创性成像方法。它利用大脑水分子扩散运动的各向异性进行成像,能够反映活体组织的空间组成信息及病理状态下各组织之间水分子交换状况。利用DTI数据对脑白质内的神经纤维进行三维重建是当前磁共振扩散成像领域内的一个研究热点,也是目前在活体上重建脑白质内神经纤维的唯一方法。首先,本文通过分析目前主要的基于张量域的算法及算法存在的问题,基于多分辨率的思想,提出了一种基于部分各向异性(Fractional Anisotropy,FA)可变步长的向量选择纤维跟踪算法。该算法利用泰勒展开式的二阶导数进行体素内插值,并采用可变迭代步长,较好的解决了部分体积效应,提高了算法速度,并且保留了纤维细节信息。其次,针对基于全局能量最小化的快速行进(Fast Marching,FM)的算法存在较多假性阳支,纤维走向不明显等问题,本文提出了一种拓扑保持的快速行进算法。在演化过程中加入拓扑保持模型,并将曲率引入到速度函数,将弯曲能量加入在全局能量范围内,避免了原有的快速行进算法使用局部相似性作为唯一测度的问题。拓扑保持的FM算法能够更好的控制曲面演化过程,重建结果减少了假性阳支,具有较好的拓扑结构,能够很好的描述纤维走向,并且对于噪音有较好的鲁棒性。最后,本文将纤维跟踪算法应用到脑肿瘤病理诊断和治疗中。通过体绘制技术,将同一病人的DTI和MRI图像融合,融合的结果能够显示脑白质纤维束因占位效应或者病变所导致的位置异常,显示肿瘤瘤体与纤维束关系,提高DTI在研究和临床应用方面的效用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究目的和意义
• 1.2 纤维跟踪方法分类
• 1.3 研究现状
• 1.4 本文研究内容
• 1.5 本文组织结构
• 第二章 磁共振扩散张量成像
• 2.1 扩散张量成像原理
• 2.1.1 磁共振成像
• 2.1.2 扩散
• 2.1.3 扩散加权成像
• 2.1.4 扩散张量成像
• 2.2 扩散张量测度
• 2.2.1 扩散张量的几何学分类
• 2.2.2 扩散张量的迹
• 2.2.3 扩散的各向异性指数
• 2.3 DTI 数据集的可视化方法
• 2.3.1 颜色编码法
• 2.3.2 图元表示法
• 2.3.3 体绘制方法
• 2.3.4 纤维跟踪
• 第三章 基于FA 可变步长向量选择跟踪法
• 3.1 基于张量域的跟踪算法
• 3.2 基于FA 可变步长向量选择算法
• 3.2.1 算法原理
• 3.2.2 FA 的可变步长迭代法
• 3.2.3 DTI 数据处理
• 3.2.4 种子点选取
• 3.2.5 纤维跟踪终止条件
• 3.3 实验结果与分析
• 3.3.1 算法分析
• 3.3.2 实验结果
• 3.4 本章小结
• 第四章 拓扑保持的快速行进纤维跟踪算法
• 4.1 Level set 方法
• 4.1.1 Level set 基本原理
• 4.1.2 快速行进算法实现
• 4.2 拓扑保持的快速行进法
• 4.2.1 曲面演化
• 4.2.2 速度函数
• 4.2.3 路径确定
• 4.2.4 联通矩阵
• 4.2.5 拓扑保持的演化模型
• 4.2.6 曲率加权的速度函数
• 4.3 实验结果和分析
• 4.4 本章小结
• 第五章 DTI 和MRI 在脑肿瘤中的应用
• 5.1 DTI 和MRI 在肿瘤病理中意义
• 5.2 基于光线投射体绘制算法
• 5.2.1 光线投射算法原理
• 5.2.2 数据分类和着色
• 5.2.3 重采样及插值计算
• 5.2.4 明暗计算
• 5.2.5 图像合成
• 5.3 DTI 和MRI 的融合
• 5.3.1 基于互信息的刚性图像配准
• 5.3.2 三维融合
• 5.3.3 系统实现
• 5.4 实验结果和分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 全文工作总结
• 6.2 未来工作展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢