基于球面字典基函數(shù)的空間神經(jīng)纖維方向估計(jì).pdf

1、腦纖維成像技術(shù)是研究腦部結(jié)構(gòu)連接、認(rèn)知機(jī)制及腦部疾病診療、腦科手術(shù)導(dǎo)航的重要方法，是目前信息科學(xué)和神經(jīng)醫(yī)學(xué)領(lǐng)域研究的前沿科技。腦纖維成像技術(shù)通過體素建模實(shí)現(xiàn)纖維方向分布函數(shù)的估計(jì)之后根據(jù)纖維跟蹤算法得到解剖學(xué)上的纖維整體空間微結(jié)構(gòu)。高角度分辨率擴(kuò)散成像技術(shù)克服了擴(kuò)散張量模型難以重構(gòu)復(fù)雜纖維結(jié)構(gòu)的缺陷，以其優(yōu)越的重構(gòu)效果迅速成為了纖維成像研究的熱點(diǎn)。其中球面反卷積成像方法是目前最為準(zhǔn)確的纖維重構(gòu)方法，但是球面反卷積方法中復(fù)雜的球諧函數(shù)會(huì)導(dǎo)

2、致求解過程的繁瑣，常需要添加額外的約束項(xiàng)來實(shí)現(xiàn)纖維的準(zhǔn)確重構(gòu)，因此存在穩(wěn)定性不高，計(jì)算量大的缺陷。此外，基于單個(gè)白質(zhì)體素的纖維模型重建對(duì)于連貫的空間纖維結(jié)構(gòu)來講存在一定的信息缺失和誤差累加，由此跟蹤實(shí)現(xiàn)的纖維結(jié)構(gòu)并不完全準(zhǔn)確，不利于在臨床上的應(yīng)用。針對(duì)球面反卷積模型存在的以上問題，本文提出了相應(yīng)的改善方法，具體的工作內(nèi)容如下：
　　1)針對(duì)球諧函數(shù)作為基函數(shù)時(shí)的角度分辨率低和計(jì)算復(fù)雜性問題，本文提出了一種基于球面字典基函數(shù)的球面反

3、卷積纖維估計(jì)方法。首先，提出了一種基于正矢函數(shù)的基函數(shù)并構(gòu)建出了球面空間內(nèi)的字典來表示纖維方向分布函數(shù)，該基函數(shù)具有良好的方向表現(xiàn)性，冪指數(shù)的應(yīng)用更加突出了方向函數(shù)的極值，并且有效的抑制了偽峰的產(chǎn)生，提高了纖維的角度分辨率；另一方面，由于基函數(shù)本身的非負(fù)性，在纖維方向估計(jì)過程中不需要額外的非負(fù)約束，利用基本的最小二乘方法就能夠得到較好的纖維重建結(jié)果，避免了大規(guī)模逆問題的求解。模擬數(shù)據(jù)和臨床數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明該方法成功提高了纖維的角度分辨

4、率，大大降低了成像時(shí)間。
　　2)針對(duì)基于單個(gè)體素的纖維重建存在的信息獲取不全面的問題，本文提出了一種基于全變差正則化的纖維重建方法。本文將圖像處理領(lǐng)域的全變差方法應(yīng)用至纖維方向分布函數(shù)系數(shù)的估計(jì)過程中，將體素內(nèi)的纖維重建過程與周邊體素的纖維分布信息相聯(lián)系，以實(shí)現(xiàn)纖維結(jié)構(gòu)的空間一致性估計(jì)。為了全面顯示該方法的優(yōu)越性，本文在模擬數(shù)據(jù)和臨床數(shù)據(jù)對(duì)纖維的模型重構(gòu)結(jié)果及纖維的概率型跟蹤結(jié)果進(jìn)行了對(duì)比實(shí)驗(yàn)，其結(jié)果顯示全變差正則化的應(yīng)用成功實(shí)

5、現(xiàn)了纖維的空間一致性估計(jì)，獲得了更加準(zhǔn)確的纖維跟蹤結(jié)果。
　　3)為了全面考慮擴(kuò)散敏感度系數(shù)對(duì)纖維擴(kuò)散的影響，本文重新定義了單條纖維響應(yīng)函數(shù)，使重建模型能夠適應(yīng)多擴(kuò)散敏感度系數(shù)的采樣數(shù)據(jù)，即多殼采樣數(shù)據(jù)，建立了多殼采樣擴(kuò)散信號(hào)下的纖維方向分布估計(jì)模型。
　　本文針對(duì)現(xiàn)有的球面反卷積模型存在的問題提出了相應(yīng)的改進(jìn)方法，實(shí)驗(yàn)結(jié)果顯示球面字典基函數(shù)的應(yīng)用成功實(shí)現(xiàn)了纖維模型角度分辨率的提高，而且避免了以往重建過程中的大規(guī)模優(yōu)化問題；