基于脑微结构信息检测的扩散峭度成像多b值组合优化

发布时间：2017-07-31 17:35

  本文关键词：基于脑微结构信息检测的扩散峭度成像多b值组合优化

  更多相关文章： 扩散峭度成像 扩散敏感因子b值 组织微结构

【摘要】：扩散峭度成像(DKI)引入高阶峭度张量来量化水分子扩散的非高斯程度,并可采用多种扩散敏感因子b值参与模型拟合,能反映组织复杂结构更微小变化,因而在脑神经科学研究与临床诊断中具有独特优势.但目前尚缺乏不同b值组合DKI数据采集对不同脑微结构特征的比较分析和针对不同临床需求制定DKI数据采集的最优b值组合方案的思路.本文从脑脊液、灰质和白质的DKI图像对比度角度,结合基于体素统计分析方法比较了5个不同b值组合与高、低2个b值组合采集方案对DKI成像指标的影响及在胼胝体局部组织微结构特征表达的差异.结果表明,低b值(1 000 s/mm~2)和高b值(2 000 s/mm~2)采集成像皆有较强的组织分辨能力,而过多增加b值组合个数会增大拟合误差并增加采集时间;使用高、低2个b值(2 000 s/mm~2与1 000 s/mm~2)的组合采集方案较适合于一般DKI临床诊断.
【作者单位】： 天津大学精密仪器与光电子工程学院;天津市第一中心医院放射科;
【关键词】： 扩散峭度成像 扩散敏感因子b值 组织微结构
【基金】：国家自然科学基金资助项目(81222021,31271062,61172008,81171423,51007063) 国家科技支撑计划资助项目(2012BAI34B02) 教育部新世纪优秀人才支持计划资助项目(NCET-10-0618) 天津市自然科学基金青年基金资助项目(13JCQNJC14400)
【分类号】：R338
【正文快照】： 扩散峭度成像(diffusion kurtosis imaging,DKI)[1]是解决扩散张量成像(diffusion tensor imaging,DTI)中高斯扩散假设缺陷的非高斯扩散磁共振成像新技术.DKI引入四阶统计量——峭度K来量化水分子扩散的非高斯程度,可更真实地描述大脑组织中水分子的非高斯扩散特征[2-3].相比

【相似文献】

中国期刊全文数据库 前4条

1 吴宏天;刘辉;;基于方差和峭度的模拟电路故障诊断[J];湖南师范大学自然科学学报;2011年05期

2 陈茜;吴伶锡;;独立分量分析在单一信号中的去噪问题[J];湘潭师范学院学报(自然科学版);2009年02期

3 李舜酩;杨涛;;基于峭度的转子振动信号盲分离[J];应用力学学报;2007年04期

4 ;[J];;年期

中国重要会议论文全文数据库 前5条

1 范清清;;一种基于峭度的盲多用户检测方法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

2 徐新韬;王华庆;杨晓;李岭阳;;基于STFT的谱峭度法在轴承故障诊断中的应用[A];第11届全国转子动力学学术讨论会（ROTDYN2014）论文集（上册）[C];2014年

3 李军;张永祥;姚晓山;;峭度自适应学习步长盲提取算法提取轴承冲击信号[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

4 李富才;孟光;胥永刚;;基于多尺度峭度指标的损伤识别研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

5 方红雨;;基于最小峭度准则的码约束盲恒模干扰抑制算法[A];第十九届电工理论学术年会论文集[C];2007年

中国博士学位论文全文数据库 前2条

1 陈元园;面向阿尔茨海默病的磁共振扩散峭度成像特征分析与识别[D];天津大学;2014年

2 彭畅;旋转机械轴承振动信号分析方法研究[D];重庆大学;2014年

中国硕士学位论文全文数据库 前9条

1 王嘉晨;基于峭度最大化算法的复数功能磁共振成像信号分析[D];大连理工大学;2011年

2 陈刚;谱峭度及其在电力系统暂态信号处理中的应用研究[D];西南交通大学;2012年

3 刘海洋;基于谱峭度的信号特征提取及其传动系统关键部件故障诊断应用[D];苏州大学;2013年

4 范清清;基于峭度的盲自适应检测方法研究[D];安徽大学;2004年

5 吴宏天;基于方差与峭度的模拟电路故障诊断及实现[D];湖南师范大学;2012年

6 闫彩虹;基于自相关函数和峭度的FECG提取算法研究[D];重庆大学;2009年

7 陈君瑜;复数参考独立分量分析算法及其fMRI应用研究[D];大连理工大学;2008年

8 夏遵平;结构运行状态下谐波模态的检测和去除技术研究及实现[D];南京航空航天大学;2012年

9 常锟;互信息学习在旋转机械故障诊断中的应用研究[D];燕山大学;2014年

，

本文编号：600343