人腦三維彌散張量影像數(shù)字化統(tǒng)計(jì)圖譜研究.pdf

1、人腦彌散張量DTI圖像作為一種非侵入性成像技術(shù)，能夠提供傳統(tǒng)CT、MRI等結(jié)構(gòu)成像方式難以捕捉的白質(zhì)纖維走行信息，拓展了人腦連接組(human brain connectome)研究、人腦疾病診斷等多個(gè)研究領(lǐng)域的數(shù)據(jù)采集、處理和分析手段，豐富了描述人腦微觀解剖結(jié)構(gòu)及功能特征的表示方法，在理論及工程上引起了極大的關(guān)注。數(shù)字化統(tǒng)計(jì)圖譜（digital statistical atlas）是計(jì)算神經(jīng)解剖學(xué)(computational neur

2、oanatomy)研究框架中一個(gè)十分重要的分支。通過對(duì)大規(guī)模正常人群醫(yī)學(xué)影像樣本數(shù)據(jù)集進(jìn)行統(tǒng)計(jì)意義上的學(xué)習(xí)和建模，形成蘊(yùn)含正常人群解剖結(jié)構(gòu)共性特征，并帶有一定泛化能力(generalization ability)的數(shù)字化統(tǒng)計(jì)圖譜，是檢測(cè)未知個(gè)體與正常人群結(jié)構(gòu)形態(tài)差異性的基礎(chǔ)。
　　 研究創(chuàng)建三維DTI圖像數(shù)字化統(tǒng)計(jì)圖譜（簡(jiǎn)稱“DTI統(tǒng)計(jì)圖譜”）具有十分重要的意義，國(guó)內(nèi)外相關(guān)研究仍處于起步階段。DTI圖像本質(zhì)上是一個(gè)三維二階張量

3、場(chǎng)。DTI統(tǒng)計(jì)圖譜的創(chuàng)建涉及張量模型優(yōu)化、張量圖像配準(zhǔn)、張量圖像特征表示、圖譜統(tǒng)計(jì)模型估計(jì)等基本問題。本文旨在將適用于傳統(tǒng)標(biāo)量醫(yī)學(xué)影像的統(tǒng)計(jì)圖譜創(chuàng)建技術(shù)加以改進(jìn)，全面、完整地推廣到三維二階張量場(chǎng)，并通過人腦連接組研究領(lǐng)域的有關(guān)應(yīng)用展示和驗(yàn)證DTI統(tǒng)計(jì)圖譜的創(chuàng)建效果。具體研究成果和創(chuàng)新點(diǎn)介紹如下：
　　 1.在DTI張量模型中引入了Riemannian流形上的Log-Euclidean測(cè)度理論，重構(gòu)了張量基本運(yùn)算，為后續(xù)的配準(zhǔn)、特

4、征表示等研究提供了統(tǒng)一的數(shù)學(xué)基礎(chǔ)。同時(shí)，利用該理論提出了保持張量?jī)?nèi)蘊(yùn)幾何結(jié)構(gòu)一致性的插值算法及改進(jìn)的張量場(chǎng)正則化算法。實(shí)驗(yàn)表明，Log-Euclidean測(cè)度能夠很好地提高張量場(chǎng)插值和正則化的精度。
　　 2.提出了一種基于Log-Euclidean測(cè)度和張量重定向的非剛性配準(zhǔn)算法。在將適用于標(biāo)量圖像配準(zhǔn)的LDDMM(large deformation diffeomorphic metric mapping)算法和微分同胚De

5、mons（diffeomorphic Demons）算法推廣到三維二階張量場(chǎng)的基礎(chǔ)上，利用有限應(yīng)變(finite strain)模型對(duì)微分同胚Demons算法進(jìn)行了改進(jìn)，在配準(zhǔn)形變過程中增加了張量重定向變換，保證了張量?jī)?nèi)蘊(yùn)幾何特征的一致性。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的微分同胚Demons算法具有較高的配準(zhǔn)精度，同時(shí)具有較小的計(jì)算復(fù)雜度，為本文后續(xù)創(chuàng)建DTI統(tǒng)計(jì)圖譜提供了有利條件。
　　 3.在前期高分辨率CT圖像紋理特征提取算法研究的基

6、礎(chǔ)上，提出了一種DTI圖像多尺度特征表示的方法，并設(shè)計(jì)了TIDA(tensor image discriminative attributes)算法用于構(gòu)造特征描述向量。利用TIDA算法提取的圖像特征結(jié)合半自動(dòng)的Random Walks算法，實(shí)現(xiàn)了對(duì)腦白質(zhì)、灰質(zhì)和腦脊液的分割，以及腦部占位性病變區(qū)域的提取。
　　 4.提出了基于大規(guī)模樣本集DTI統(tǒng)計(jì)圖譜自動(dòng)化創(chuàng)建的完整框架，利用前面提出的Log-Euclidean測(cè)度下的微分同

7、胚Demons算法，實(shí)現(xiàn)了基于多尺度特征描述向量的DTI統(tǒng)計(jì)圖譜自動(dòng)化創(chuàng)建。同時(shí)，基于統(tǒng)計(jì)圖譜的微分同胚性和無偏性改進(jìn)了圖譜創(chuàng)建過程中配準(zhǔn)模板的交叉優(yōu)化流程，保證了統(tǒng)計(jì)圖譜的無偏性和微分同胚性。
　　 5.利用國(guó)際上最新的DTI公共數(shù)據(jù)庫成功創(chuàng)建了基于20例正常人群樣本數(shù)據(jù)的Beijing_Zang_20人腦三維DTI統(tǒng)計(jì)圖譜，并以人腦結(jié)構(gòu)連接組作為研究方向，對(duì)自主創(chuàng)建的DTI統(tǒng)計(jì)圖譜進(jìn)行了腦網(wǎng)絡(luò)建模的實(shí)證研究。實(shí)驗(yàn)中通過配準(zhǔn)的