磁共振弥散张量图像处理与分析.pdf

中国科学院自动化研究所
博士学位论文
磁共振弥散张量图像处理与分析
姓名:李悟
申请学位级别:博士
专业:模式识别与智能系统
指导教师:田捷
20040601
摘要磁共振弥散张量成像是磁共振功能成像的重要组成部分。利用磁共振弥散张量成像,可以提取、描述、以及研究水分子的弥散各向异性,甚至获取组织微结构的信息。磁共振弥散张量成像可以检测到许多临床疾病的细微病变,如脑中风、多发性硬化、精神分裂症等等,目前日益成为一种常规的临床诊断方式。弥散张量成像的最先进的应用是进行脑白质纤维追踪,和血氧合水平依赖磁共振功能成像一起,开创了脑连接度研究的重要方法。磁共振弥散张量图像处理与分析涉及多学科领域,包括数学、物理学、医学及计算机图像处理等多学科知识,是多个学科在医学领域内的交叉。本文的散张量图像脑缺血病灶区的分割、利用弥散张量图像进行纤维追踪、以及弥散张量场的规整化研究。本文的主要贡献可以概括为以下几点:第一、提出了一种脑缺血病灶区的自动定位、分割算法。磁共振弥散张量成像可用于检测脑缺血病灶的位置和大小,而且还可定量分析病灶区弥散各向异性,这是一种非常重要的临床定性定量诊断方式。但由于脑缺血病灶区呈高信号,而且由于弥散各向异性的作用,部分脑白质组织也呈现高信号胧┘拥奶荻却懦〉姆较蛳喙,因而在磁共振弥散张量原始图像上不容易区分出病变区或是各向异性作用所致高信号。因此,临床医生常常需要通过图像处理获得平均弥散度图像嗣稚⒏飨蛞煨,来判断脑缺血病灶区:由于平均弥散度图像是后处理图像,可能会漏掉一些有价值的信息,因而最好的方法是应用原始图像数据进行分析,包括对病灶区的定位与分割。目前国际上学者所提出的自动分割方法由于无法完全克服各向异性的干扰,临床医生多采用手动分割。我们充分考虑了噪声、弥散各向异性、强度不均匀性和局部容积效应的影响,提出了一种新的直接针对弥散张量原始图像的脑缺血病灶区自动分割一基于多尺度统计分类和局部容积分类的自动分割方法。通过在统计分类模型中加入的各向异性判定,有效的区分出正常的脑白质组织和脑缺血病灶区。另外,考虑到强度不均匀性的影响,我们采用局部容积体素局部区域的均值和方差来完成局部容积体素再分类过程,以克服局部容积效应和削弱强度不均匀性影响。研究重点是磁共振弥散张量图像处理与分析中的几项关键技术的研究,包括弥
积造成错误的追踪结果。我们提出了一种自适应的脑白质纤维追踪方法~基于磁共振弥散张量成像提供了脑白质纤维的方向信息,可以用来进行纤维路径追踪。通常认为纤维方向与弥散张量的主特征向量方向一致,这具有不可避免的局限性,如容易受到噪声等的影响,在多纤维交叉、汇合、以及分叉处容最小追踪代价P偷哪宰灾氏宋纷俜椒āO宋较蛴烧雒稚⒄帕俊局部容积效应的影响,并且较好的解决纤维交叉的问题。对正常人脑以及病人第三、提出了一种直接针对弥散张量场去噪殖疲稚⒄帕砍〉墓嬲弥散张量成像的量化测量参数容易受到噪声的影响。影响这些参数的噪声包括随机噪声和系统噪声。我们提出一种新的针对向量的非线性各向异性滤波量特征向量方向的不确定性;对于特征值排序以及利用特征值的大小来进行排序所引入的偏差,我们采用不同体素点弥散张量的特征值特征向量对之间的相似性计算来解决,提出自己的弥散张量相似度函数;我们提出了新的针对向量的非线性各向异性滤波方法,来进行弥散张量场的规整化。实验结果证明该方法可以有效的去除噪声对弥散张量场的影响,是可行的和可重用的。通过弥散张量场归整化,可以更加精确的进行脑白质纤维追踪,更加准确的分析脑连接关键词:磁共振弥散张量成像、弥散各向异性、图像分割、脑白质纤维追踪、第二、提出一种自适应的脑白质纤维追踪方法。纤维轨迹低曲率先验知识、以及追踪惯性联合决定,而不仅仅由弥散张量的主特征向量决定。对人工模拟数据的实验表明,椒ǎ芄唤虾玫目朔肷的纤维追踪结果显示,宋纷俜椒ň哂薪掀交穆肪叮梢灾亟ㄈ四园字纤维结构,并且映射脑部疾病与主要纤维路径之间的关系。方法,来进行弥散张量场的规整化。我们采用二阶向量积的形式来解决弥散张弥散张量场归整化的新的方法。度等等。
琣..,.,.,畇,,,.,,.瓵甶....怖琺,.甶琣瑆,
—產:瓵..,,,—·甋畇,—..;;
签名:盟导师签名:—舷日期:盟签名:签整独创性声明关于论文使用授权的说明如争,⒂本人声明所成交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其贡献均已在论文中作了明确地说明并表示了谢意。本人完全了解中国科学院自动化研究所有关保留、使用学位论文的规定,借阅:可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段C艿穆畚脑诮饷芎笥ψ袷卮斯娑他人已经发表