[发明专利]融合概率型和确定型纤维束追踪的纤维束筛选方法

说明书

本发明公开了一种融合概率型和确定型纤维束追踪的纤维束筛选方法，主要解决了现有技术所提取白质微结构特征真实性、准确性低的问题。其实现步骤是：1、读取DTI图像和FA图像，2、构建张量模板，3、提取张量模板的感兴趣纤维束，4、构建纤维束参数化模型，5、提取个体DTI图像的感兴趣纤维束，6、构建纤维束频率图谱，7、筛选感兴趣纤维束，本发明基于概率型纤维束追踪结果构建纤维束频率图谱，利用该图谱对纤维束参数化后的感兴趣纤维束进行筛选，使得纤维束参数化所提取的白质微结构特征精细化，有效克服了现有技术所提取白质微结构特征真实性，准确性低问题。

技术领域

本发明属于物理技术领域，更进一步涉及影像处理技术领域中的一种融合概率型和确定型纤维束追踪的纤维束筛选方法。本发明利用所构建纤维束频率图谱，对经过纤维束参数化分析后的纤维束进行筛选，可以降低纤维束参数化分析所提取白质微结构特征的误差。

背景技术

目前沿白质纤维束分析的主要思路之一是在张量模板图像上提取感兴趣纤维束，在对张量模板图像上的感兴趣纤维束进行定量化后，将该纤维束映射到个体脑部弥散张量成像DTI(Diffusion Tensor Imaging)图像上，实现不同个体间纤维束的对应。

西安电子科技大学在其拥有的专利技术“一种基于健康人群的白质纤维参数化模型构建方法”(申请号：2014108358310，授权公告号：CN104537711 B)中公开了一种基于白质纤维束的纤维束参数化分析方法。该方法首先在张量模板上用确定型纤维束追踪方法提取出感兴趣纤维束，然后在感兴趣纤维束中选取一条代表性纤维，通过点匹配算法，在该代表性纤维上的点与其他纤维上的点之间建立对应关系。最后，将点匹配后的白质纤维束映射到个体图像中，提取纤维束所有点对应位置的白质扩散特性值，得到个体的白质微结构特征。该方法存在的不足之处在于，在张量模板上提取出感兴趣纤维束，所提取纤维束中的某些纤维，在个体图像上不存在对应纤维，导致所提取白质微结构特征真实性较低。并且，将点匹配后的纤维束映射到个体图像的过程中，可能由于映射误差导致白质纤维束映射到灰质区域，影响所提取白质微结构特征的准确性。

发明内容

本发明的目的是针对上述现有方法的不足，提供了一种融合概率型和确定型纤维束追踪的纤维束筛选方法。本发明解决现有技术所提取白质微结构特征真实性、准确性较低的问题。

实现本发明目的的思路是，对每个个体的DTI图像进行概率型纤维束追踪，基于概率性纤维束追踪结果构建纤维束频率图谱，利用该图谱对纤维束参数化后的感兴趣纤维束进行筛选，融合确定型和概率型纤维束追踪，使得纤维束参数化分析所提取的白质微结构特征真实可靠，并且提高了所提取白质微结构的准确性。

本发明的方法包括如下步骤：

(1)读取DTI图像和FA图像：

读入两组图像，一组为标准图像作为对照图像组，另一组为待测图像组，所述的对照图像组中包含格式均为.nii的44人的脑部DTI图像和各向异性FA(FractionalAnisotropy)图像；所述的待测图像组中包含格式均为.nii的52人的脑部DTI图像和FA图像，同一人的脑部DTI图像和FA图像所处空间一致，组成该个体的个体空间；

(2)构建张量模板：

利用张量模板构建方法，构建张量模板，该张量模板所处的图像空间称为张量模板空间；

(3)提取张量模板的感兴趣纤维束：

利用追踪软件，对所构建张量模板进行确定型纤维束追踪，提取感兴趣纤维束；

(4)构建纤维束参数化模型：

利用纤维束参数化方法，构建纤维束参数化模型；

(5)提取个体DTI图像的感兴趣纤维束：