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。