擴(kuò)散張量成像(diffusion tensor imaging, DTI)技術(shù)不但對探索腦神經(jīng)工作規(guī)律與研究腦認(rèn)知功能具有重要的科學(xué)意義,而且在臨床實踐中也具有很大的應(yīng)用價值。擴(kuò)散張量成像通過測量組織內(nèi)水分子的自擴(kuò)散系數(shù)來進(jìn)行成像。相比于一般核磁共振成像,擴(kuò)散張量成像能夠提供更多關(guān)于生理組織結(jié)構(gòu)非對稱分布的信息。本論文著眼于擴(kuò)散張量成像技術(shù)在腦電研究中的應(yīng)用,主要進(jìn)行了以下幾方面的研究： 根據(jù)腦不同組織內(nèi)水分子擴(kuò)散的特點,提出了把腦內(nèi)部組織分割成灰質(zhì)、白質(zhì)、腦脊液的新方法：即對腦脊液采用張量特征值閥值分割法,對白質(zhì)與灰質(zhì)采用3-D不變參數(shù)K均值聚類分割算法。并采用該方法對病人DTI圖像數(shù)據(jù)進(jìn)行了實際計算驗證,得到了令人滿意的結(jié)果。由于DTI圖像本質(zhì)上為一張量空間,它的準(zhǔn)確分割需要高效率算法與腦組織內(nèi)水分子擴(kuò)散特性先驗知識的有機(jī)結(jié)合。 擴(kuò)散張量成像通過測量腦組織內(nèi)水分子擴(kuò)散系數(shù)而對生理組織進(jìn)行成像,是目前唯一非侵入獲取白質(zhì)纖維束結(jié)構(gòu)信息的重要手段。本論文首先利用部分各向異性參數(shù)閥值分割法去除灰質(zhì)與腦脊液而把白質(zhì)從DTI圖像中分割出來,再利用擴(kuò)展圖割切算法對白質(zhì)進(jìn)行纖維束胼胝體結(jié)構(gòu)進(jìn)行分割。利用擴(kuò)展圖割切算法進(jìn)行張量空間的分割,需要選擇合適的張量相似核函數(shù)。 為了對腦白質(zhì)纖維束進(jìn)行三維走向跟蹤,本論文提出一種基于移動最小二乘法的纖維束三維曲線走向跟蹤算法,首先根據(jù)磁場梯度表與b值把擴(kuò)散加權(quán)數(shù)據(jù)轉(zhuǎn)換為擴(kuò)散張量數(shù)據(jù)并進(jìn)行高斯濾波,以三次樣條函數(shù)為權(quán)函數(shù)對擴(kuò)散張量數(shù)據(jù)進(jìn)行擬合,從感興趣區(qū)域(region of interest, ROI)出發(fā)在纖維束彎曲角度與特定步長限制條件下進(jìn)行走向跟蹤。最后對病人腦DTI數(shù)據(jù)進(jìn)行計算,結(jié)果表明該算法能夠準(zhǔn)確快速地對胼胝體纖維束三維走向進(jìn)行宏觀上的跟蹤。 組織內(nèi)水分子擴(kuò)散特性的研究不僅對腦生理解剖結(jié)構(gòu)信息的獲取具有極其重要的意義,而且對于腦組織各向異性電導(dǎo)率的計算也有重要的價值。腦組織電導(dǎo)率在腦電研究中是一個重要參數(shù)。為了獲取腦組織各向異性電導(dǎo)率,本論文利用擴(kuò)散加權(quán)成像技術(shù),從電化學(xué)角度出發(fā),提出了基于Stokes-Einstein與Nernst-Einstein方程的計算腦組織各向異性電導(dǎo)率的新方法。本論文在人體DTI實驗數(shù)據(jù)上采用新方法作了計算,并且把結(jié)果與不同腦組織(白質(zhì)、灰質(zhì)、腦脊液)的經(jīng)驗電腦率值進(jìn)行了對比。此新方法的基礎(chǔ)是擴(kuò)散張量數(shù)據(jù),在擴(kuò)散張量成像實驗中施加適當(dāng)?shù)臄U(kuò)散加權(quán)時間是影響結(jié)果準(zhǔn)確性的重要因素。最后,采用偶極子源模型計算與分析了白質(zhì)電導(dǎo)率各向異性對頭皮電位分布的影響,并與Wolters體積約束模型做了對比分析。
【學(xué)位單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2009
【中圖分類】：R445.2
【文章目錄】：
致謝
摘要
Abstract
目錄
第1章 緒論
    1.1 引言
    1.2 無損成像技術(shù)
    1.3 腦電成像
        1.3.1 腦電產(chǎn)生機(jī)理
        1.3.2 頭模型構(gòu)造
        1.3.3 腦電位數(shù)值計算方法
    1.4 腦組織分割
    1.5 腦組織電導(dǎo)率
    1.6 論文的結(jié)構(gòu)安排
第2章 磁共振擴(kuò)散張量成像
    2.1 引言
    2.2 核磁共振成像
        2.2.1 切片選擇磁場梯度
        2.2.2 空間頻率編碼
        2.2.3 空間相位編碼
        2.2.4 脈沖序列
    2.3 擴(kuò)散張量成像
        2.3.1 水分子的擴(kuò)散
        2.3.2 擴(kuò)散張量成像原理
    2.4 擴(kuò)散張量成像的應(yīng)用
    2.5 本章小結(jié)
第3章 基于DTI的腦組織分割
    3.1 引言
    3.2 DTI白質(zhì)分割
        3.2.1 聚類算法過程
        3.2.2 聚類分割結(jié)果
    3.3 胼胝體分割
        3.3.1 圖割切方法
        3.3.2 胼胝體分割結(jié)果
    3.4 本章小結(jié)
第4章 白質(zhì)纖維束走向跟蹤
    4.1 引言
    4.2 移動最小二乘法方法
    4.3 白質(zhì)纖維跟蹤結(jié)果
    4.4 本章小結(jié)
第5章 腦組織電導(dǎo)率張量
    5.1 引言
    5.2 計算擴(kuò)散張量
    5.3 擴(kuò)散張量與電導(dǎo)率張量的關(guān)系
    5.4 計算電導(dǎo)率張量的新模型
    5.5 新模型計算結(jié)果
    5.6 各向異性電導(dǎo)率對頭皮電位影響
        5.6.1 各向異性電導(dǎo)率EEG正問題
        5.6.2 一階有限元方法
        5.6.3 方法驗證
        5.6.4 活動源模型與頭模型
        5.6.5 仿真計算結(jié)果
        5.6.6 不同模型比較
    5.7 本章小結(jié)
第6章 結(jié)論與展望
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
作者簡歷
攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀博士學(xué)位期間參與的科研項目

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 蔡永春,堯德中;真實頭模型中的源電位計算方法與效果[J];電子科技大學(xué)學(xué)報;2003年02期

2 曾清紅,盧德唐;基于移動最小二乘法的曲線曲面擬合[J];工程圖學(xué)學(xué)報;2004年01期

3 鄭旭媛,萬柏坤;腦電逆問題的研究進(jìn)展[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;2001年04期

4 堯德中,孟繁盛;腦電正問題研究的解析法和有限體元法[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1997年03期

5 賀士娟,楊雅妹,王霞,顏威利;腦電磁逆問題中頭模型構(gòu)造方法的研究[J];河北工業(yè)大學(xué)學(xué)報;2001年03期

6 劉君;朱善安;;基于分割后斷層成像數(shù)據(jù)的人體頭部有限元模型構(gòu)建方法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2007年02期

7 李璟;朱善安;Bin He;;醫(yī)學(xué)圖像分割技術(shù)[J];生物醫(yī)學(xué)工程學(xué)雜志;2006年04期

8 章衛(wèi)祥;周秉鋒;;一種改進(jìn)的Graph Cuts交互圖像分割方法[J];影像技術(shù);2007年04期

9 堯德中;均勻?qū)щ娗蚰Ｐ椭?~n極子電位的解析解[J];中國生物醫(yī)學(xué)工程學(xué)報;1998年02期

相關(guān)博士學(xué)位論文 前1條

1 李璟;有限差分法在三維腦電正問題中的應(yīng)用[D];浙江大學(xué);2007年

本文編號：2851816