沿血管周围间隙的扩散张量图像分析技术检测脑胶质淋巴系统功能与新诊断2型糖尿病患者胰岛素抵抗的相关性

目的应用沿血管周围间隙的扩散张量图像分析技术(DTI-ALPS)检测新诊断2型糖尿病(T2DM)患者脑胶质淋巴系统功能,探讨其与胰岛素抵抗指数(HOMA-IR)的相关性。方法选取徐州医科大学附属医院2023年4~6月临床确诊的新诊断的T2DM患者30例作为新诊断T2DM组,同时选取本院体检的与新诊断T2DM组年龄、性别相匹配的健康人30例为对照组。收集受试者临床检验指标(糖化血红蛋白、空腹血糖、空腹胰岛素水平),选取稳态模型作为评估胰岛素抵抗的指数,计算得出胰岛素抵抗HOMA-IR指数。采用3.0T核磁共振对60例受试者进行扫描,利用DTI计算ALPS指数,比较两组间的差异。采用Pearson相关性分析新诊断T2DM组HOMA-IR与ALPS指数之间的相关性。结果新诊断T2DM组空腹血糖、空腹胰岛素、糖化血红蛋白、HOMA-IR高于正常对照组(P<0.05)。新诊断T2DM组ALPS指数下降(1.50±0.22 vs 1.31±0.18,P<0.001),与HOMA-IR呈负相关(r=-0.622,P<0.001)。结论DTI-ALPS技术可用于评估新诊断T2DM患者的胶质淋巴系统功能,其功能的下降与胰岛素抵抗密切相关。

多项式展开的快速扩散张量图像配准

提出一种基于多项式展开的扩散张量图像快速配准方法.采用拉普拉斯算子提取经图像增强处理的各向异性测度图像的边缘特征点,给出一种图像变换模型,利用边缘特征点来定义图像的特征,并以此校正图像的方向.利用基于多项式展开的配准模型,对已经经过方向校正的各向异性测度图像进行全局像素点稠密配准.实验结果表明该方法有效地提高了配准效率和配准精度.

沿血管周围空间扩散张量成像分析在类淋巴系统障碍相关神经系统疾病中的应用研究进展

脑类淋巴系统是脑组织废物代谢清除的主要路径,与多种神经退行性系统疾病有关。目前评价脑类淋巴系统的技术有限且皆多为有创检查,沿血管周围空间扩散张量成像分析(DTI-ALPS)作为一种非侵入性成像技术,能够通过量化沿血管周围通道的水扩散率来评估人体类淋巴系统功能而越来越受到临床关注。文章对DTI-ALPS在神经系统疾病中的应用进展及其作用机制进行综述,并进一步提出目前DTI-ALPS在中枢神经系统疾病研究中存在的局限,为与类淋巴系统障碍相关的神经疾病的深入研究提供新方向。

基于图割的扩散张量磁共振图像胼胝体分割算法

扩散张量磁共振成像过程易因噪声导致扩散张量图像(diffusion tensor images,DTI)的体素数据发生畸变,使分割效果不佳.针对该问题,提出了一种基于图割的DTI胼胝体分割算法,该算法在求解能量函数的过程中,用非种子点与作为硬约束条件的种子点之间的J-散度中位数表示T-连接权值,用取值范围在(0,1]之间的单调递减指数函数表示N-连接权值,同时构造网格图结构,用最大流/最小切算法计算最小切,实现图像的全局最优二值化分割.DTI图像的分割实验结果表明:所提算法能更为准确地从受噪声影响的数据中提取出胼胝体,各参数不同取值时的重叠率指标统计分析也证明了新算法具有较高的分割精度.

仿射变换下的张量重定向及MR-DTI图像配准

众所周知,图像配准是一项成熟的图像处理技术,然而由于数据复杂等特点,使得这一技术在扩散张量图像(Dif-fusion Tensor Images,DTI)方面的应用屈指可数。根据张量数据的特点和物理意义,在仿射变换的前提下,本文以距离函数作为张量的相似性测度,结合张量重定向优化策略构成目标函数,采用混合优化策略,对临床使用的扩散张量图像进行配准实验。实验结果表明,该算法在对扩散张量图像进行配准时,充分利用了张量数据所包含的方向信息,能有效保持配准后的图像其扩散张量方向与周围组织的解剖结构一致性。

基于局部特征与轮廓控制的磁共振扩散张量插值方法

目的在保持生物体扩散张量物理性质和控制张量行列式轮廓基础上进一步提高张量插值的质量。方法提出一种基于局部特征与轮廓控制扩散张量图像轮廓控制插值方法,也即基于邻近多个张量值的对数-欧氏距离,对基于黎曼测地线上非匀速运动的轮廓控制插值方法的空间距离进行修正。结果脑部磁共振扩散张量图像的插值重建实验结果表明,本文方法和其他常用插值方法相比,3种在不同的误差度量下误差较其他方法均有显著性改善(P<0.01),任取样本的各项异性分数值误差也有一定的减小。结论在脑磁共振扩散张量图像插值中,本文方法能保持生物体扩散张量物理性质并控制行列式轮廓,减少扩散张量插值的误差,改善插值效果。

基于图像相似度的多权重图谱DTI自动分割算法研究

扩散张量磁共振成像(DT-MRI,简称DTI)是一种能够对脑组织中复杂的白质纤维束进行观察和追踪的一种特殊形式。而针对DTI对噪声和灰度敏感,传统的分割方法难以对脑组织进行精确分割的特点,设计了一种基于图像相似度的多权重图谱DTI自动分割算法(MAPS)。MAPS是在MAIS的基础上通过分割图像的自相似性及引导滤波进行优化的方法。结果为MAPS分割的重叠率要优于MAIS大约6%,并且MAPS的分割结果比MAIS在三维效果上更接近专家的手动分割结果(即金标准),结果表明MAPS相较于MAIS有着更精确的分割效果及更优异的性能。