基于正定高階張量的腦纖維重構(gòu)算法及可視化軟件開發(fā).pdf

1、基于擴(kuò)散磁共振成像的腦白質(zhì)神經(jīng)纖維重構(gòu)是當(dāng)前對(duì)活體腦神經(jīng)重構(gòu)的唯一非侵入式方法。而基于擴(kuò)散張量的腦纖維成像是當(dāng)前常用的重構(gòu)方法，但是該成像技術(shù)是建立在體素內(nèi)的水分子擴(kuò)散是按高斯分布的假設(shè)上的，難以滿足腦纖維的交叉、分叉、彎曲等復(fù)雜結(jié)構(gòu)的重建。于是，針對(duì)復(fù)雜纖維的重構(gòu)又提出了高階張量成像方法。然而傳統(tǒng)的高階張量方法難以保證纖維擴(kuò)散函數(shù)的正定性，可能會(huì)出現(xiàn)沒有物理意義的負(fù)信號(hào)值，且會(huì)導(dǎo)致偽峰的出現(xiàn)。針對(duì)上述方法中的問題，本文提出了新的基于正

2、定高階張量成像方法加以改善，并在此基礎(chǔ)上開發(fā)出可視化軟件，具體工作內(nèi)容如下:
　　1)提出一種正定纖維方向分布的高階張量成像方法，該方法綜合考慮了多纖維經(jīng)過同一個(gè)體素內(nèi)的復(fù)雜結(jié)構(gòu)關(guān)系和擴(kuò)散張量系數(shù)值非負(fù)時(shí)局部纖維方向分布函數(shù)，并在模型本身上保證正定性。同時(shí)，提出一種基于BFGS的優(yōu)化求解方法。通過使用模擬數(shù)據(jù)和實(shí)際臨床數(shù)據(jù)對(duì)本文提出的方法與其他常用方法進(jìn)行對(duì)比評(píng)價(jià)，證明了本文提出的算法所具有的優(yōu)勢(shì)。
　　2)依據(jù)現(xiàn)有的流線型