現有對大腦白質的解剖研究主要基于傳統(tǒng)的基于體素的方法（Voxel Based Analysis,VBA）,通過選取感興趣區(qū)域（Regions Of Interests,ROIs）,計算區(qū)域屬性均值以完成不同樣本間的解剖指標對比。這類方法存在著兩個局限,一是樣本配準帶來的精度缺陷,另一方面是傳統(tǒng)分析思想計算指標均值會導致“纖維特性均化”,隱藏全局擴散信息。為了克服傳統(tǒng)研究的缺陷,分析完整纖維束的白質屬性,同時優(yōu)化纖維跟蹤數據增加的時間尺度問題。本文選擇基于纖維的分析（Fiber Based Analysis,FBA）,通過區(qū)域聚類與圖譜聚類兩種聚類手段去自動歸類白質,并計算不同群體沿纖維束的擴散特性以及分析解剖學屬性的變化差異。本文的具體工作和成果如下:1.針對傳統(tǒng)方法以體素指標均值代替實驗數據的缺陷,本文借助自動纖維量化聚類方法對人腦幾條主纖維進行識別,沿纖維等距采樣,計算指標以標記局部差異。在實驗結果中,部分纖維束上出現了連續(xù)的顯著差異點;整條纖維的擴散特性呈現類曲線般的增減;職業(yè)象棋手較普通樣本在擴散指標上也表現出了一定的上升,之后與臨床指標的皮爾森相關實驗也佐證了這一區(qū)別。隨后,... 

【文章頁數】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 基于大腦解剖連接的神經疾病分析研究現狀
        1.2.2 纖維聚類研究現狀
    1.3 本文主要研究內容及全文章節(jié)安排
        1.3.1 本文研究內容
        1.3.2 章節(jié)安排
第二章 基于體素的人腦解剖連接分析
    2.1 擴散磁共振成像基本原理
    2.2 傳統(tǒng)基于體素的大腦解剖連接分析方法
        2.2.1 大腦可塑性
        2.2.2 基于體素的分析
        2.2.3 基于纖維的空間分析方法
    2.3 本章小結
第三章 基于自動纖維量化聚類的人腦解剖連接分析
    3.1 自動纖維量化方法
        3.1.1 基于纖維的分析
        3.1.2 自動纖維量化算法流程
    3.2 實驗流程
        3.2.1 聚類流程
        3.2.2 腦網絡分析
        3.2.3 解剖指標數據分析流程
    3.3 實驗結果及分析
        3.3.1 實驗人群及數據來源
        3.3.2 實驗結果
        3.3.3 討論分析
    3.4 本章小結
第四章 基于腦圖譜聚類的人腦解剖連接分析
    4.1 基于腦圖譜的纖維聚類分割
    4.2 皮質分割
        4.2.1 基于Freesurfer的大腦皮質分割
        4.2.2 解剖指標計算
    4.3 實驗結果
        4.3.1 樣本圖譜可視化
        4.3.2 樣本圖譜解剖指標
    4.4 本章小結
第五章 總結與展望
    5.1 全文工作總結
    5.2 未來工作展望
參考文獻
致謝
作者簡介
    1 作者簡歷
    2 攻讀碩士學位期間發(fā)表的學術論文
    3 參與的科研項目及獲獎情況
    4 發(fā)明專利
學位論文數據集


【參考文獻】：
期刊論文
[1]神經纖維體素微結構成像估計算法研究進展[J]. 馮遠靜,何建忠,李永強,周思琪.  中國科學:信息科學. 2019(06)
[2]醫(yī)學領域的磁共振成像革命——2003年諾貝爾生理及醫(yī)學獎主要工作介紹[J]. 王波,鐘凱.  生物化學與生物物理進展. 2003(06)

博士論文
[1]基于大尺度腦網絡分析方法的腦可塑性研究[D]. 段旭君.電子科技大學 2013

碩士論文
[1]腦白質纖維群智能跟蹤算法研究及可視化系統(tǒng)開發(fā)[D]. 王哲進.浙江工業(yè)大學 2013



本文編號：3723729