基于离散球面反卷积的白质纤维重构算法

为了解决基于扩散张量成像(DTI)的跟踪过程难以刻画脑白质内复杂纤维结构的问题,提出一种基于离散球面反卷积的确定性跟踪算法.该算法采用离散纤维方向密度函数建立球面反卷积模型,解除对连续球面函数模型的依赖,获得高角度分辨率识别;借助球面高斯函数拟合以补偿离散误差,并在此基础上实现流线型白质纤维跟踪.合成数据、仿真数据和实际临床数据表明:该模型能显著提高体素内小角度交叉纤维的分辨率,并有效抑制噪声.相比于基于其他模型的重构算法,该算法能够更准确地反映活体脑神经组织的真实连接情况.

基于非局部约束球面反卷积模型的纤维追踪算法

基于扩散磁共振成像的纤维追踪技术为非侵入性观测脑白质结构提供了有力的手段,约束球面反卷积作为一种多纤维追踪模型,能够对体素内纤维的方向信息进行建模,进而实现脑纤维的重构.针对约束球面反卷积模型的不适定性以及细节信息丢失问题,本文在约束球面反卷积的基础上,结合邻域信息和分数阶正则化,提出了一种基于非局部约束球面反卷积模型的确定型纤维追踪算法,分数阶的非局部特性使得纤维方向分布模型估计的误差更小,而邻域信息的引入保证了空间一致性,可以减少噪声的影响.分别利用模拟数据、人脑实际数据对本文算法及基于约束球面反卷积的确定型纤维追踪算法作对比实验,结果表明,利用本文算法追踪的纤维不仅整体视觉效果上较整洁,而且对交叉纤维的重建结果更完整准确.

基于多模型响应函数约束球面反卷积的纤维方向估计

约束球面反卷积可以从大脑扩散磁共振成像数据中量化白质纤维取向分布信息,该方法仅适用于单壳的扩散磁共振成像数据;在包含各向同性扩散信号的白质组织中,该方法会提供错误的纤维方向信息。针对这一不足,本文在约束球面反卷积的基础上,结合多壳数据和多种扩散模型下估计的响应函数,提出一种基于多模型响应函数的约束球面反卷积方法。多壳数据可以提高纤维方向估计的稳定性,多模型响应函数可以衰减脑白质中各向同性扩散信号,提供更加准确的纤维方向信息。为了验证算法的有效性,利用模拟数据和来自公开数据库的真实人脑数据进行对比实验。结果表明,本文算法可以衰减白质组织中的各向同性扩散信号,克服部分容积效应的影响,能更准确地进行纤维方向估计;重建的纤维方向分布稳定,伪峰少,而且对交叉纤维的识别能力也更强,为纤维束追踪技术的进一步研究奠定了基础。

基于非凸正则球面反卷积的体素内纤维走向分布估计

针对经典的基于球面反卷积的体素内纤维走向分布估计方法对噪声非常敏感的问题,提出一种非凸正则球面反卷积方法。该方法基于邻域体素间纤维走向分布的相似性构造非凸空间正则项,采用改进的Richardson-Lucy算法求解非凸正则反卷积问题。基于二张量数据和HARDI模型数据进行仿真,结果表明,与经典的球面反卷积方法和全变分正则化球面反卷积方法相比,所提出的方法估计结果的平均角度误差分别降低了约52%和9%,在抑制噪声的同时能够保持体素内纤维走向的细节信息。

基于字典基函数框架的纤维方向分布模型重建

脑白质纤维方向分布模型重建是脑纤维成像的重要过程之一,为纤维束跟踪提供精确的纤维方向估计。传统方法的约束条件往往依赖于先验的纤维方向信息,限制了计算效率与精度的提高。提出一种基于字典基函数框架的纤维方向分布函数(f ODF)估计方法,在单位球面上建立均匀的字典基函数分布,构造基于字典基函数的球面反卷积模型,直接通过非负最小二乘方法求得基函数系数,避免伪峰与复杂的算法以及更高阶的大规模病态逆问题的计算,使得纤维方向分布的稀疏性和非负性可以通过几个基函数的加权和很容易地表示。模拟磁共振数据与临床脑部数据的实验结果显示,该方法在同等条件下与目前流行的Super-CSD和QBI方法相比,计算复杂度大大降低,计算时间仅为Super-CSD的1/3;角度分辨率扩大到20°以内(其中,Super-CSD为40°,QBI为60°)。由于该方法简单高效,角度误差不会随角度等参数的变化而跳变,也因为角度分辨率和角度误差性能的提升,使得纤维方向的错误重构概率降低到8%以下,可为纤维跟踪技术提供精确的局部纤维走向。

高阶张量反卷积非负约束的纤维方向分布估计方法

高阶张量能够以其简单的多项式形式表示多叶函数,被广泛应用于纤维方向分布估计中.但随着高阶张量阶数的增加,现有方法存在难以稳定重构纤维方向和角度分辨率低等缺陷.引入非负约束条件是目前提高稳定性的常用方法,该方法也仅能保证低于6阶时纤维方向的稳定估计.针对以上问题,文章在高阶张量拟合模型基础上引入球面反卷积模型,并提出了一种自适应非负约束迭代算法进行纤维方向分布估计.该算法以高阶张量为基函数拟合纤维扩散分布,沿纤维方向调整非负约束,并自适应训练调整矩阵参数.为了验证本算法的有效性,通过仿真数据与实际临床数据在同等条件下与现有CT-FoD,CSD算法进行角度分辨率,角度误差以及纤维重建对比实验.结果表明,文章所提出的方法在角度分辨率和稳定性方面优于现有的两种方法.

基于非局部均值平滑的体素内纤维结构估计

为了克服球面反卷积法对扩散加权图像噪声敏感的问题,提出一种基于非局部均值平滑的体素内纤维结构估计方法,该方法建立了一种面向磁共振扩散加权图像的非局部均值方法,对磁共振扩散加权图像进行平滑后再采用球面反卷积法对体素内纤维结构进行估计,从而提高球面反卷积法的抗噪性能。数值仿真数据和仿真实体数据实验结果表明,与直接采用球面反卷积方法和对数据进行非局部均值平滑后使用球面反卷积相比,采用本研究提出的方法得到的体素内纤维结构的平均角度误差更小,且较少存在边缘模糊现象。

基于全变差空间正则化的纤维方向分布估计

提高白质纤维交叉重构能力是有效提高纤维跟踪技术的前提之一,目前大多纤维重构方法都是基于白质体素的独立重构,没有考虑到纤维的连续性特征,这就促使文章从全局范围考虑提高白质纤维重构能力.文章提出了一种基于全变差空间正则化的纤维方向分布估计方法,该方法首先利用字典基分布的球面反卷积策略拟合多壳采样信号,为了能够适用于单壳和多壳采样方案,文章重新定义了广义的纤维响应函数;进而在q空间中定义基函数系数的全变差正则化约束,旨在减少不必要的方向信息,降低因噪声引起的方向偏差,以获得纤维方向的空间局部一致性.实验分别在模拟数据和实际数据下进行,分别采用单壳和多壳数据验证了文章所提方法能够以更高效的性能实现纤维方向估计,相对于其他算法显著提高了纤维的连续性.