本文關(guān)鍵詞：磁共振擴(kuò)散成像腦神經(jīng)復(fù)雜纖維結(jié)構(gòu)估計(jì)與重建研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：人腦是世界上最復(fù)雜的網(wǎng)絡(luò)系統(tǒng),腦神經(jīng)纖維結(jié)構(gòu)及其在各區(qū)域之間的連接特性能夠體現(xiàn)大腦的各種功能特性及病變信息。研究人腦神經(jīng)纖維束成像方法有助于理解人腦的微結(jié)構(gòu),在人腦功能研究及腦相關(guān)疾病研究等方面具有重要價(jià)值。擴(kuò)散張量成像是最早出現(xiàn)且目前仍廣泛采用的能夠在活體上對(duì)組織纖維結(jié)構(gòu)進(jìn)行檢測(cè)的無創(chuàng)方法,但該方法在存在纖維交叉、分叉等復(fù)雜纖維結(jié)構(gòu)的區(qū)域無法得到正確結(jié)果。為了克服擴(kuò)散張量成像的局限性,已提出了多種方法,這些方法大多通過采集更多擴(kuò)散梯度方向和擴(kuò)散敏感因子的擴(kuò)散加權(quán)數(shù)據(jù)來獲得擴(kuò)散的細(xì)節(jié)信息,由于采集時(shí)間和硬件限制使得這些方法難以用于臨床。目前,僅有少數(shù)方法能夠在低角分辨率擴(kuò)散成像條件下重建復(fù)雜纖維結(jié)構(gòu),但對(duì)噪聲十分敏感。本課題圍繞腦神經(jīng)復(fù)雜纖維結(jié)構(gòu)重建這一主題,以提高在低角分辨率擴(kuò)散成像條件下復(fù)雜纖維結(jié)構(gòu)重建的準(zhǔn)確性為目標(biāo),研究體素內(nèi)復(fù)雜纖維結(jié)構(gòu)估計(jì)方法和復(fù)雜纖維路徑重建方法。體素內(nèi)纖維結(jié)構(gòu)估計(jì)是纖維路徑重建的基礎(chǔ),其準(zhǔn)確性直接影響纖維路徑重建結(jié)果的可信度。在低角分辨率擴(kuò)散成像條件下,擴(kuò)散加權(quán)圖像信噪比低的特點(diǎn)更加突出,如何改善體素內(nèi)纖維結(jié)構(gòu)估計(jì)方法的抗噪性能,提高體素內(nèi)纖維結(jié)構(gòu)估計(jì)的準(zhǔn)確性對(duì)纖維結(jié)構(gòu)重建至關(guān)重要。復(fù)雜纖維路徑重建是提取和描述纖維連接關(guān)系的前提,如何根據(jù)體素內(nèi)纖維結(jié)構(gòu)估計(jì)的結(jié)果,克服其估計(jì)誤差的影響,準(zhǔn)確重建復(fù)雜纖維路徑是復(fù)雜纖維結(jié)構(gòu)重建領(lǐng)域的難點(diǎn)。本課題針對(duì)現(xiàn)有方法在體素內(nèi)復(fù)雜纖維結(jié)構(gòu)估計(jì)和復(fù)雜纖維路徑重建問題中存在的不足展開研究,并提出相應(yīng)的解決方案。本文主要研究工作如下:(1)針對(duì)低角分辨率擴(kuò)散成像條件下現(xiàn)有方法易受噪聲影響的問題,提出基于多張量場(chǎng)平滑的體素內(nèi)纖維結(jié)構(gòu)估計(jì)方法。該方法首先對(duì)多張量表示的體素內(nèi)纖維結(jié)構(gòu)進(jìn)行初始估計(jì),然后根據(jù)多張量場(chǎng)的屬性,考慮鄰域體素之間的纖維結(jié)構(gòu)關(guān)系,構(gòu)造權(quán)值方案,對(duì)擴(kuò)散加權(quán)數(shù)據(jù)進(jìn)行加權(quán)平滑,進(jìn)而根據(jù)平滑后的數(shù)據(jù)重新進(jìn)行估計(jì)得到平滑的多張量場(chǎng)。在數(shù)值仿真數(shù)據(jù)、仿真實(shí)體數(shù)據(jù)和真實(shí)人腦數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,本文提出的方法能夠在有效平滑多張量場(chǎng)的同時(shí)保持復(fù)雜纖維結(jié)構(gòu)特征,從而提高體素內(nèi)復(fù)雜纖維結(jié)構(gòu)估計(jì)的準(zhǔn)確性。(2)針對(duì)簡(jiǎn)單正則項(xiàng)難以充分表達(dá)復(fù)雜纖維結(jié)構(gòu)的先驗(yàn)信息的問題,提出一種非凸正則盲壓縮傳感方法估計(jì)體素內(nèi)復(fù)雜纖維結(jié)構(gòu),該方法基于多張量模型,將擴(kuò)散加權(quán)信號(hào)建模為一系列非固定參數(shù)的張量重建基函數(shù)的稀疏線性組合,采用盲壓縮傳感方法同時(shí)求解稀疏系數(shù)和重建基的參數(shù)。同時(shí),在模型中引入根據(jù)鄰域體素纖維結(jié)構(gòu)關(guān)系構(gòu)造的非凸正則項(xiàng),以提高抗噪性能。在數(shù)值仿真數(shù)據(jù)、仿真實(shí)體數(shù)據(jù)和真實(shí)人腦數(shù)據(jù)上的實(shí)驗(yàn)表明所提出的方法能夠在低角分辨率擴(kuò)散加權(quán)數(shù)據(jù)上較好的估計(jì)體素內(nèi)纖維結(jié)構(gòu),且該方法具有抗噪性強(qiáng)、估計(jì)結(jié)果的平均角度誤差低、對(duì)重建基參數(shù)的初始值不敏感的特點(diǎn)。(3)針對(duì)基本流線型追蹤方法存在的三類典型問題(“斷線”、“偏離”、“彎折”),在分析其產(chǎn)生原因的基礎(chǔ)上,提出一種束限制流線型追蹤方法進(jìn)行復(fù)雜纖維路徑的重建。該方法基于局部纖維平滑假設(shè),首先,在纖維追蹤時(shí)將前進(jìn)方向限制在一定范圍內(nèi),避免出現(xiàn)過大方向偏轉(zhuǎn)導(dǎo)致“斷線”;其次,在確定纖維前進(jìn)方向時(shí)考慮鄰域相關(guān)纖維的平均走向,避免出現(xiàn)較大方向偏轉(zhuǎn)導(dǎo)致“偏離”;最后,引入纖維平滑機(jī)制,盡量消除“彎折”現(xiàn)象。在數(shù)值仿真數(shù)據(jù)、仿真實(shí)體數(shù)據(jù)和真實(shí)人腦數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,本文提出的改進(jìn)方法能夠有效提高復(fù)雜纖維路徑重建的準(zhǔn)確性。
【關(guān)鍵詞】：磁共振擴(kuò)散成像 腦神經(jīng)復(fù)雜纖維結(jié)構(gòu) 多張量平滑 非凸正則項(xiàng) 流線型追蹤
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：R445.2;TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-15
• 第1章 緒論15-33
• 1.1 課題研究的目的及意義15-16
• 1.2 磁共振擴(kuò)散成像及其研究現(xiàn)狀16-20
• 1.2.1 磁共振擴(kuò)散成像基本原理16-17
• 1.2.2 擴(kuò)散張量模型及其局限性17-19
• 1.2.3 磁共振擴(kuò)散成像研究現(xiàn)狀19-20
• 1.3 腦神經(jīng)復(fù)雜纖維結(jié)構(gòu)估計(jì)方法及其研究現(xiàn)狀20-28
• 1.3.1 基于單球殼采樣的方法20-25
• 1.3.2 基于多球殼采樣的方法25-27
• 1.3.3 基于笛卡爾網(wǎng)格采樣的方法27
• 1.3.4 現(xiàn)有方法總結(jié)與分析27-28
• 1.4 腦神經(jīng)復(fù)雜纖維路徑重建方法及其研究現(xiàn)狀28-30
• 1.4.1 確定型方法29
• 1.4.2 概率型方法29-30
• 1.4.3 全局型方法30
• 1.5 本領(lǐng)域存在的問題30-31
• 1.6 課題的來源及主要研究?jī)?nèi)容31-33
• 第2章 腦神經(jīng)復(fù)雜纖維結(jié)構(gòu)數(shù)學(xué)模型及相關(guān)理論33-41
• 2.1 引言33
• 2.2 多張量模型33-34
• 2.3 約束壓縮傳感估計(jì)體素內(nèi)纖維結(jié)構(gòu)34-36
• 2.3.1 約束壓縮傳感方法框架34-35
• 2.3.2 重建矩陣的構(gòu)造35-36
• 2.4 體素內(nèi)纖維結(jié)構(gòu)估計(jì)誤差的度量36-38
• 2.5 基于多張量模型的擴(kuò)散加權(quán)數(shù)據(jù)仿真38-39
• 2.6 多張量的可視化39-40
• 2.7 本章小結(jié)40-41
• 第3章 基于多張量場(chǎng)平滑的體素內(nèi)復(fù)雜纖維結(jié)構(gòu)估計(jì)41-57
• 3.1 引言41
• 3.2 基于多張量平滑的體素內(nèi)纖維結(jié)構(gòu)估計(jì)方法41-45
• 3.2.1 多張量自適應(yīng)平滑原理42-43
• 3.2.2 多張量自適應(yīng)平滑算法43-44
• 3.2.3 參數(shù)選取44-45
• 3.3 實(shí)驗(yàn)與分析45-56
• 3.3.1 數(shù)值仿真數(shù)據(jù)實(shí)驗(yàn)45-49
• 3.3.2 仿真實(shí)體數(shù)據(jù)實(shí)驗(yàn)49-53
• 3.3.3 真實(shí)人腦數(shù)據(jù)實(shí)驗(yàn)53-56
• 3.4 本章小結(jié)56-57
• 第4章 基于非凸正則盲壓縮傳感的體素內(nèi)復(fù)雜纖維結(jié)構(gòu)估計(jì)57-76
• 4.1 引言57
• 4.2 非凸正則盲壓縮傳感方法57-63
• 4.2.1 基于盲壓縮傳感的體素內(nèi)纖維結(jié)構(gòu)估計(jì)58-59
• 4.2.2 非凸正則化59-60
• 4.2.3 數(shù)值求解框架60-61
• 4.2.4 性能優(yōu)化61-62
• 4.2.5 參數(shù)選取62-63
• 4.3 實(shí)驗(yàn)與分析63-74
• 4.3.1 數(shù)值仿真數(shù)據(jù)實(shí)驗(yàn)63-67
• 4.3.2 仿真實(shí)體數(shù)據(jù)實(shí)驗(yàn)67-72
• 4.3.3 真實(shí)人腦數(shù)據(jù)實(shí)驗(yàn)72-74
• 4.4 本章小結(jié)74-76
• 第5章 基于束限制流線型追蹤的復(fù)雜纖維路徑重建76-101
• 5.1 引言76-77
• 5.2 基本流線型纖維追蹤方法77-80
• 5.2.1 簡(jiǎn)單纖維結(jié)構(gòu)的流線型追蹤方法77-78
• 5.2.2 復(fù)雜纖維結(jié)構(gòu)的流線型追蹤方法78-79
• 5.2.3 基本流線型纖維追蹤方法存在的問題分析79-80
• 5.3 束限制的流線型纖維追蹤方法80-85
• 5.3.1 束限制的流線型追蹤規(guī)則80-83
• 5.3.2 纖維路徑平滑83
• 5.3.3 束限制流線型追蹤算法83-84
• 5.3.4 算法參數(shù)選取84-85
• 5.4 實(shí)驗(yàn)與分析85-100
• 5.4.1 數(shù)值仿真數(shù)據(jù)實(shí)驗(yàn)85-87
• 5.4.2 仿真實(shí)體數(shù)據(jù)實(shí)驗(yàn)87-93
• 5.4.3 真實(shí)人腦數(shù)據(jù)實(shí)驗(yàn)93-100
• 5.5 本章小結(jié)100-101
• 結(jié)論101-104
• 參考文獻(xiàn)104-120
• 攻讀博士學(xué)位期間發(fā)表的論文及其它成果120-123
• 致謝123-124
• 個(gè)人簡(jiǎn)歷124

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 戴建平;磁共振彌散成像[J];引進(jìn)國(guó)外醫(yī)藥技術(shù)與設(shè)備;1998年04期

2 謝敬霞;MR擴(kuò)散加權(quán)與血流灌注成像在腦缺血診斷中的價(jià)值[J];中華放射學(xué)雜志;1998年06期

  本文關(guān)鍵詞：磁共振擴(kuò)散成像腦神經(jīng)復(fù)雜纖維結(jié)構(gòu)估計(jì)與重建研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：256461