一种改进的脑白质纤维束连续跟踪算法

发布时间：2021-02-03 21:14

　　目的:改进脑白质纤维束连续跟踪算法,提高纤维束跟踪的连续性和准确性。方法:使用山东第一医科大学第二附属医院影像科和国际人脑连接组共享数据库网站提供的弥散张量图像对算法进行验证。首先,对磁共振弥散张量图像进行中值滤波和高斯平滑滤波,去除噪声对纤维束连续跟踪算法的影响,利用脑模板消除颅骨对后续跟踪的影响。然后,利用最小二乘法获得每一个体素的弥散张量和各向异性指数。最后,从各向异性指数大于阈值的起始体素开始,利用跟踪编辑技术和基于弥散熵的线性跟踪方法完成纤维束连续跟踪。结果:同传统的纤维束连续跟踪算法相比,本研究提出的算法能得到更连续、更准确的跟踪结果,算法具有较好的抗噪声能力和较强的鲁棒性。结论:改进的纤维束跟踪方法可以应用于脑结构网构建以及脑疾病的研究。 

【文章来源】：中国医学物理学杂志. 2020,37(10)

【文章页数】：5 页

【部分图文】：

FACT原理图

由于DTI图像中存在大量的随机噪声，这些噪声将影响后续的纤维束连续跟踪，造成较大的误差累计，并使跟踪中断。因此，本研究首先利用3×3×3的中值滤波去除这些随机噪声。为了进一步去除DTI图像中的高斯白噪声，对中值滤波后的图像，又利用各向同性的三维高斯滤波器进行滤波（本研究中，平滑系数选择0.6），详细的滤波方法参考文献[19]。图2给出了滤波前后的图像。1.3.2 求解弥散张量和各向异性指数（Fractional Anisotropy,FA）

本研究利用山东第一医科大学第二附属医院影像科提供的磁共振弥散张量图像和国际人脑连接组工程共享数据库网站提供的弥散张量图像对改进的算法进行了测试，并且同传统的FACT算法[11-12]进行比较。结果如图4和图5所示。图4给出了单层DTI白质纤维束跟踪的轴位投射结果。图5给出了全脑DTI白质纤维束跟踪的三维可视化结果（俯视图）。可以看出，本研究提出的改进算法能够跟踪出更完整、更连续的纤维束路径。3 结论

【参考文献】：
期刊论文
[1]弥散张量成像纤维束跟踪中噪声去除方法研究[J]. 潘运达,徐龙春,何乐民,张敏风,张岗,邹越,赵文波,宋学睿,段洛炜,张光玉.  中国医学物理学杂志. 2018(10)
[2]一种改进的Canny边缘检测算法[J]. 张光玉,徐龙春,张敏风,张岗,邹越,赵文波,杨沛沛,李东玥.  中国医学物理学杂志. 2017(08)
[3]基于向量选择的神经纤维跟踪改进算法[J]. 高玉蕊,白衡,鲍旭东.  生物医学工程研究. 2007(04)



本文编号：3017167