基于贝叶斯约束统计框架的DT-MRI脑白质纤维追踪成像

弥散张量磁共振成像(DT-MRI)的脑白质纤维追踪成像利用脑白质水分子弥散构成的弥散张量信息追踪脑白质纤维束并无创重建其3维结构图像。针对现有追踪方法一般以局部体素的弥散张量为主要追踪依据,缺乏对纤维结构、弥散度等人体解剖结构和生理机能的综合考量的缺陷,该文基于贝叶斯理论框架综合分析追踪路径与各体素弥散张量方向和纤维束几何结构相关性,并使用弥散度和追踪纤维角度对两者进行约束,获得各步追踪方向的概率密度分布,通过Markov Chain Monte Carlo采样确定其追踪方向进行追踪成像,通过多次追踪获得具有统计意义的3维结果。最后利用文中方法在合成弥散张量数据上进行了成像仿真,在真实脑部DT-MRI数据上进行了成像实验。仿真和实验结果表明,该方法能实现预期的脑白质纤维追踪成像,比现有追踪成像方法结果更可靠,可重复性更强。

采用贝叶斯决策概率型DT-MRI的脑白质纤维追踪成像

弥散张量磁共振成像(DT-MRI)的脑白质纤维追踪成像可无创重建脑白质纤维的三维结构,而现有追踪成像方法一般仅考虑局部纤维的弥散倾向,对纤维束几何结构的综合考虑不足,为此提出一种贝叶斯决策概率型的纤维追踪成像算法.该算法通过纤维束当前体素的弥散张量方向和纤维束几何结构信息,利用贝叶斯决策理论估算追踪下一体素的方向概率分布;按照概率分布对纤维束进行加权采样,重建纤维束的三维结构图像.最后利用文中算法在合成弥散张量数据上进行了成像仿真,在真实脑部DT-MRI数据上进行了成像实验.仿真和实验结果表明,该算法能实现预期的脑白质纤维追踪成像,比现有追踪成像方法结果更可靠,可重复性更强.

扩散磁共振图像的神经纤维追踪算法研究综述

扩散磁共振成像是目前唯一非侵入性研究脑神经纤维束微结构的技术,神经纤维追踪技术是显示神经纤维的关键步骤.本文综述了两大类的神经纤维追踪算法的研究进展,即:局部型追踪方法和全局型追踪方法,阐明各个追踪算法的优点以及存在的局限性,然后在此基础上介绍了在神经纤维追踪过程中能做出优化的具体方面,包括局部纤维方向建模、张量插值、种子点的选取、传播方向以及终止准则等,最后对神经纤维追踪算法的未来发展趋势进行展望.

FLAIR-DTI与传统DTI技术对构建大脑结构网络的影响

目的探讨液体反转衰减恢复序列(FLAIR-DTI)与传统DTI技术对构建大脑结构网络的影响。方法对22例受试者进行传统DTI及FLAIR-DTI扫描,运用确定性纤维追踪的方法构建两组大脑的结构网络,采用多重线性回归分析方法比较两种扫描技术下构建的大脑结构网络的拓扑学性质的差异。结果两种技术下的大脑结构网络均符合小世界的属性,但FLAIR-DTI技术构建的大脑结构网络具有显著增高的全局和局部网络效率。局部参数显著增高的区域位于CSF较多的区域,主要包括中央后回、脑室周围的相关区域、额下回、颞下回及视觉皮层的相关区域。结论 FLAIR-DTI获得的数据所构建的大脑结构网络排除了CSF的影响,比传统DTI拥有更高的网络效率,这对今后采用DTI技术研究大脑结构网络及白质纤维束的研究具有重要的启发作用。