目的:改進腦白質(zhì)纖維束連續(xù)跟蹤算法,提高纖維束跟蹤的連續(xù)性和準(zhǔn)確性。方法:使用山東第一醫(yī)科大學(xué)第二附屬醫(yī)院影像科和國際人腦連接組共享數(shù)據(jù)庫網(wǎng)站提供的彌散張量圖像對算法進行驗證。首先,對磁共振彌散張量圖像進行中值濾波和高斯平滑濾波,去除噪聲對纖維束連續(xù)跟蹤算法的影響,利用腦模板消除顱骨對后續(xù)跟蹤的影響。然后,利用最小二乘法獲得每一個體素的彌散張量和各向異性指數(shù)。最后,從各向異性指數(shù)大于閾值的起始體素開始,利用跟蹤編輯技術(shù)和基于彌散熵的線性跟蹤方法完成纖維束連續(xù)跟蹤。結(jié)果:同傳統(tǒng)的纖維束連續(xù)跟蹤算法相比,本研究提出的算法能得到更連續(xù)、更準(zhǔn)確的跟蹤結(jié)果,算法具有較好的抗噪聲能力和較強的魯棒性。結(jié)論:改進的纖維束跟蹤方法可以應(yīng)用于腦結(jié)構(gòu)網(wǎng)構(gòu)建以及腦疾病的研究。 

【文章來源】：中國醫(yī)學(xué)物理學(xué)雜志. 2020,37(10)

【文章頁數(shù)】：5 頁

【部分圖文】：

FACT原理圖

由于DTI圖像中存在大量的隨機噪聲，這些噪聲將影響后續(xù)的纖維束連續(xù)跟蹤，造成較大的誤差累計，并使跟蹤中斷。因此，本研究首先利用3×3×3的中值濾波去除這些隨機噪聲。為了進一步去除DTI圖像中的高斯白噪聲，對中值濾波后的圖像，又利用各向同性的三維高斯濾波器進行濾波（本研究中，平滑系數(shù)選擇0.6），詳細的濾波方法參考文獻[19]。圖2給出了濾波前后的圖像。1.3.2 求解彌散張量和各向異性指數(shù)（Fractional Anisotropy,FA）

本研究利用山東第一醫(yī)科大學(xué)第二附屬醫(yī)院影像科提供的磁共振彌散張量圖像和國際人腦連接組工程共享數(shù)據(jù)庫網(wǎng)站提供的彌散張量圖像對改進的算法進行了測試，并且同傳統(tǒng)的FACT算法[11-12]進行比較。結(jié)果如圖4和圖5所示。圖4給出了單層DTI白質(zhì)纖維束跟蹤的軸位投射結(jié)果。圖5給出了全腦DTI白質(zhì)纖維束跟蹤的三維可視化結(jié)果（俯視圖）�？梢钥闯觯狙芯刻岢龅母倪M算法能夠跟蹤出更完整、更連續(xù)的纖維束路徑。3 結(jié)論

【參考文獻】：
期刊論文
[1]彌散張量成像纖維束跟蹤中噪聲去除方法研究[J]. 潘運達,徐龍春,何樂民,張敏風(fēng),張崗,鄒越,趙文波,宋學(xué)睿,段洛煒,張光玉.  中國醫(yī)學(xué)物理學(xué)雜志. 2018(10)
[2]一種改進的Canny邊緣檢測算法[J]. 張光玉,徐龍春,張敏風(fēng),張崗,鄒越,趙文波,楊沛沛,李東玥.  中國醫(yī)學(xué)物理學(xué)雜志. 2017(08)
[3]基于向量選擇的神經(jīng)纖維跟蹤改進算法[J]. 高玉蕊,白衡,鮑旭東.  生物醫(yī)學(xué)工程研究. 2007(04)



本文編號：3017167