本文關(guān)鍵詞：基于擴(kuò)散張量圖像的腦白質(zhì)纖維跟蹤方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：人的大腦中存在著大量的神經(jīng)纖維,它們的分布錯(cuò)綜復(fù)雜,直徑微小。由于纖維的分布情況可幫助醫(yī)生診斷神經(jīng)方面的疾病,并在腦部手術(shù)中起到一定的導(dǎo)航作用,因此能夠準(zhǔn)確重建人腦內(nèi)的神經(jīng)纖維具有重大的科研和實(shí)際應(yīng)用意義。目前,利用磁共振擴(kuò)散張量成像方法重建腦白質(zhì)內(nèi)的神經(jīng)纖維逐漸成為該領(lǐng)域內(nèi)的研究熱點(diǎn)。神經(jīng)纖維跟蹤是一種直觀的擴(kuò)散張量圖像顯示方法,它是基于擴(kuò)散張量數(shù)據(jù)計(jì)算得到每個(gè)體素的擴(kuò)散張量及其相關(guān)參數(shù),并按一定規(guī)則對(duì)腦部白質(zhì)神經(jīng)纖維進(jìn)行跟蹤的纖維重建方法。纖維跟蹤的過程分為兩個(gè)部分：參數(shù)計(jì)算和跟蹤模型的確定。參數(shù)計(jì)算是纖維跟蹤的基礎(chǔ),包括根據(jù)擴(kuò)散加權(quán)圖像數(shù)據(jù)集計(jì)算得到的擴(kuò)散張量數(shù)據(jù)以及擴(kuò)散張量的導(dǎo)出量的計(jì)算(如特征值、特征向量、分量各向異性值等參數(shù))。跟蹤模型的確定是纖維跟蹤方法的關(guān)鍵,因?yàn)樗暮脡膶⒅苯佑绊懜櫧Y(jié)果的好壞。針對(duì)神經(jīng)纖維跟蹤的研究主要集中于兩個(gè)問題,一個(gè)問題是怎樣更好地識(shí)別交叉和分叉的纖維,使得跟蹤出的纖維更準(zhǔn)確更平滑,另一個(gè)問題是如何實(shí)現(xiàn)纖維重建的快速性,以保證醫(yī)生診斷的時(shí)效性,能夠更快地診斷出神經(jīng)方面的疾病。本文對(duì)擴(kuò)散張量圖像的神經(jīng)纖維跟蹤方法展開研究。首先,對(duì)擴(kuò)散張量及其導(dǎo)出量的計(jì)算進(jìn)行了研究,得到纖維跟蹤過程中需要的相關(guān)參數(shù)；然后,深入研究FACT算法、Tensorline算法、VCT算法和概率跟蹤算法,分析它們的特點(diǎn)及其在纖維跟蹤過程中存在的問題,并針對(duì)這些問題提出更準(zhǔn)確、更快速的新的纖維跟蹤算法。最后,通過實(shí)驗(yàn)對(duì)各種神經(jīng)纖維跟蹤算法進(jìn)行比較：包括通過采用從同一種子點(diǎn)進(jìn)行跟蹤的實(shí)驗(yàn)來驗(yàn)證各跟蹤算法的分叉纖維的識(shí)別能力；采用相同算法不同參數(shù)的實(shí)驗(yàn)對(duì)各算法的跟蹤效率進(jìn)行驗(yàn)證；通過整體跟蹤效果的比較驗(yàn)證各算法的纖維跟蹤能力。根據(jù)實(shí)驗(yàn)結(jié)果及分析,我們所提出的方法能夠識(shí)別更多交叉和分叉的纖維,提高纖維跟蹤效率,更好地反映腦白質(zhì)內(nèi)神經(jīng)纖維的分布情況。
【關(guān)鍵詞】：核磁共振成像 擴(kuò)散張量 分量各向異性 纖維跟蹤 概率跟蹤方法
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R445.2;R338
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 研究背景和研究意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 本課題主要研究?jī)?nèi)容13
• 1.4 論文結(jié)構(gòu)13-16
• 第2章 磁共振擴(kuò)散張量成像16-28
• 2.1 擴(kuò)散及核磁共振成像16-21
• 2.1.1 擴(kuò)散16-17
• 2.1.2 核磁共振原理17-18
• 2.1.3 擴(kuò)散對(duì)核磁共振信號(hào)的影響18-21
• 2.2 擴(kuò)散張量成像21-23
• 2.2.1 擴(kuò)散加權(quán)成像21-22
• 2.2.2 擴(kuò)散張量成像22-23
• 2.3 擴(kuò)散張量參數(shù)23-28
• 2.3.1 擴(kuò)散張量D23-24
• 2.3.2 平均擴(kuò)散率24-25
• 2.3.3 各向異性參數(shù)25-28
• 第3章 神經(jīng)纖維跟蹤算法28-40
• 3.1 纖維連續(xù)跟蹤算法28-31
• 3.1.1 FACT算法的原理28-30
• 3.1.2 FACT算法的特點(diǎn)30-31
• 3.2 張量線算法31-32
• 3.2.1 Tensorline算法的原理31-32
• 3.2.2 Tensorline算法的特點(diǎn)32
• 3.3 向量選擇算法32-34
• 3.3.1 VCT算法的原理33-34
• 3.3.2 VCT算法的特點(diǎn)34
• 3.4 概率跟蹤算法34-37
• 3.4.1 概率跟蹤算法的原理35-37
• 3.4.2 概率跟蹤算法的特點(diǎn)37
• 3.5 基于閾值的快速概率跟蹤算法37-40
• 第4章 神經(jīng)纖維重建實(shí)驗(yàn)及結(jié)果分析40-54
• 4.1 實(shí)驗(yàn)數(shù)據(jù)40-41
• 4.2 實(shí)驗(yàn)方法41-42
• 4.3 實(shí)驗(yàn)討論與分析42-54
• 4.3.1 分叉識(shí)別能力的驗(yàn)證42-46
• 4.3.2 跟蹤效率的驗(yàn)證46-49
• 4.3.3 整體效果比較49-53
• 4.3.4 實(shí)驗(yàn)分析53-54
• 第5章 總結(jié)與展望54-56
• 致謝56-58
• 參考文獻(xiàn)58-62
• 附錄A (發(fā)表的論文和科研情況說明)62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 朱柳紅;郭崗;;基于混張量模型的纖維跟蹤算法研究及初步應(yīng)用[J];功能與分子醫(yī)學(xué)影像學(xué)(電子版);2012年03期

2 周海波;邵開來;張俊琪;李蓉;李悄然;倪開豐;方圓;;基于四階張量模型的纖維跟蹤算法改進(jìn)研究[J];科技通報(bào);2011年05期

3 王明時(shí);高偉;趙欣;路會(huì)生;劉海嬰;王力群;李德彪;;白質(zhì)纖維重建過程中像素內(nèi)交叉問題解決方法[J];天津大學(xué)學(xué)報(bào);2006年03期

4 吳錫;周激流;謝明元;羅代升;;磁共振彌散張量成像的腦白質(zhì)纖維優(yōu)化重建[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2009年06期

5 曾洪武;王培軍;;磁共振擴(kuò)散加權(quán)與彌散張量成像原理分析及比較[J];中國(guó)醫(yī)學(xué)影像技術(shù);2005年12期

6 盛復(fù)庚;磁共振彌散張量成像的基本原理和臨床應(yīng)用[J];中國(guó)醫(yī)學(xué)影像學(xué)雜志;2003年01期

7 賴昀;孫兵;丁肇華;王加俊;;改進(jìn)型遺傳算法在腦白質(zhì)纖維追蹤成像中的應(yīng)用[J];中國(guó)醫(yī)學(xué)影像技術(shù);2012年10期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 楊香香;基于多梯度方向擴(kuò)散張量成像的腦神經(jīng)纖維可視化研究[D];天津大學(xué);2010年

2 童同;MR圖像腦白質(zhì)區(qū)域提取及纖維跟蹤研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

  本文關(guān)鍵詞：基于擴(kuò)散張量圖像的腦白質(zhì)纖維跟蹤方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：342647