[发明专利]一种基于扩散峭度张量的白质微结构特征可视化方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于扩散峭度张量的白质微结构特征可视化方法。

背景技术

磁共振扩散加权成像(MR-DWI，MR-diffusionweightedimaging)是基于生物组织中微结构因素引起的，各向异性水分子扩散重建生物组织影像、并反映其相应的功能结构信息新兴的成像技术。它是在常规的磁共振成像基础上发展起来的新技术，通过重建组织中水分子的不同扩散模式来显示脑组织微结构特征的图像，是研究脑组织微结构与连接的重要手段。

基于扩散加权成像的单指数模型——扩散张量成像(Diffusiontensorimaging，DTI)是目前可实现大脑白质无损性检测的有效方法。由DTI拟合得到的二阶扩散张量可提供大脑白质神经纤维走向、水分子在大脑白质中高斯扩散特性等白质微结构信息。DTI成为最早实现显示白质微结构信息的方法。但由于髓鞘的阻挡、细胞膜及内外形状的束缚，大脑白质中的水分子扩散概率分布趋于非高斯性。以水分子扩散概率满足高斯性为假设前提的DTI用于描述大脑白质微结构特征会引起不确定性及偏差。此外，DTI在白质微结构显示结果易受部分容积效应(同一体素中含灰质、白质或脑脊液等多种组织)、路径平均效应(同一体素中含多种纤维路径)等因素的影响，会降低对组织微结构特异性变化敏感度。

因此需提出更复杂的扩散模型来更细致地定量描述水分子扩散特性。扩散峭度成像(Diffusionkurtosisimaging，DKI)引入四阶峭度和峭度张量来量化水分子实际扩散偏离高斯分布的程度，反映组织的非高斯性更能接近组织内水分子扩散的特性。四阶峭度张量在数学表述上为一个四阶三维完全对称的矩阵，能够解决二阶扩散张量重构的椭球无法与多纤维走向相吻合的难题。大脑白质丰富的微观结构信息可通过四阶峭度张量表示。如何从复杂的高阶张量得到体素内水分子扩散的精确信息是极富挑战性的新技术，这也是近年来该领域研究的关键难点。这个难点在一定程度上影响了DKI的神经纤维结构三维重建技术进展和在临床的推广应用。

发明内容

本发明提供了一种基于扩散峭度张量的白质微结构特征可视化方法，本发明通过引入四阶峭度张量不仅可以实现更可靠的白质神经纤维跟踪，而且图形化的三维峭度张量便于观察，且结合量化指标能够更好地获得丰富的脑组织微结构的信息，详见下文描述：

一种基于扩散峭度张量的白质微结构特征可视化方法，所述可视化方法包括以下步骤：

采集扩散加权图像数据；对扩散加权图像数据进行预处理；

对预处理后的扩散加权图像数据进行张量拟合；对张量拟合后的结果，在全脑范围内根据观测需求，在分数各向异性参数图中选择感兴趣区域(包含若干体素)，而后对各体素逐一进行组织微结构峭度张量可视化。

所述对预处理后的扩散加权图像数据进行张量拟合的步骤具体为：

扩散峭度成像通过在拟合中附加一个四阶峭度来弥补二阶张量的不足；

构建扩散峭度成像的模型，所述模型采用带约束的线性最小二乘法。

所述扩散峭度成像的模型具体为：

其中，S(0)是未施加扩散敏感因子b值时的信号强度；D(n)和K(n)分别为组织在扩散敏感梯度方向为n上的表观扩散系数和表观峭度系数；对应的张量即为扩散张量D和峭度张量W，分别对应一个二维三阶的实对称矩阵和一个四维三阶的实对称矩阵。

所述带约束的线性最小二乘法具体为：

Minimize||AX-B||²

CX≤d

其中，Minimize为取||AX-B||²的最小值；A为扩散敏感梯度方向加权得到的矩阵；B为不同b值的扩散加权信号的衰减程度；C为线性约束条件；d为约束峭度系数范围的向量；X为需求解的扩散系数D_ij与峭度系数V_ijkl构成的一维21×1的向量。

所述对张量拟合后的结果，在全脑范围内根据观测需求，在分数各向异性参数图中选择感兴趣区域，包含若干体素，而后对各体素逐一进行组织微结构峭度张量可视化具体为：

对扩散敏感梯度方向构成的空间进行重采样，通过峭度张量拟合得到沿重采样后的空间各方向上的峭度分布情况，将峭度分布情况进行三维显示；

提取峭度张量截面，将各体素内的扩散张量进行对角化，得到特征值和特征方向，沿两个次特征值方向构成的平面截取峭度张量，实现峭度张量二维可视化。