[发明专利]基于白质纤维束的白质微结构特征筛选系统及方法

说明书

一种基于白质纤维束的白质微结构特征筛选系统及方法，本发明的系统包括：数据读取模块、张量模板构建模块，感兴趣纤维束提取模块，纤维束参数化模型构建模块，纤维束筛选模块，统计分析模块，白质微结构特征筛选模块。本发明的步骤包括：读取DTI图像和FA图像；构建张量模板；提取张量模板的感兴趣纤维束；构建纤维束参数化模型；提取个体DTI图像的感兴趣纤维束；构建纤维束频率图谱；筛选感兴趣纤维束；统计分析；筛选待测图像上的白质微结构特征。本发明利用纤维束频率图谱筛选感兴趣纤维束，可基于个体脑部FA图像筛选出该个体的白质微结构特征，降低了所筛选白质微结构特征的误差。

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一种基于白质纤维束的白质微结构特征筛选系统及方法。本发明通过从核磁共振的脑部图像中提取的白质纤维束进行沿纤维束分析，可以精确筛选白质纤维束微结构特征。

背景技术

目前分析白质的方法主要是基于弥散张量成像DTI(Diffusion Tensor Imaging)图像构建白质骨架，或通过纤维束追踪提取感兴趣纤维束，将白质微结构特征映射到白质骨架或白质纤维束上，再通过统计分析筛选白质微结构特征。

中国科学院深圳先进技术研究院在其拥有的专利技术“一种弥散张量图像特征提取的方法及系统”(申请号：2014106275760，授权公告号：CN104408713 B)中公开了一种基于弥散张量图像筛选大脑白质特征的系统。该系统包括特征提取模块，用于运用多线性核主成分分析法对各子空间的DTI图像进行特征提取和降维，该系统存在的不足是，由于该系统的特征提取模块运用多线性核主成分分析法对各子空间的DTI图像进行特征提取和降维，导致最终该系统所提取的特征缺乏可解释性，并且无法定位所提取特征的解剖位置。

西安电子科技大学在其拥有的专利技术“一种基于多变量的DTI图像分析方法”(申请号：2014102293505，授权公告号：CN103996196 B)中公开了一种基于DTI图像分析白质微结构的方法。该方法通过对DTI图像进行处理，构建白质骨架，将图像中的白质特性映射到所构建的白质骨架上，然后对白质骨架上的白质扩散特性进行进行统计分析，得到组间显著性差异区域，最后通过平均差异区域中的特定变量得到特征值。通过机器学习方法，对上述特征进行进一步筛选。该方法存在的不足之处在于，对白质骨架上的扩散特性进行统计分析得到显著性差异，由于白质骨架上的白质扩散特性是由其余部位的扩散特性映射而来，映射关系不明确，显著性结果难以解释。并且，对差异区域的扩散特性进行平均，导致特征敏感度下降。

Jason D.Yeatman在其发表的论文“Tract Profiles of White MatterProperties:Automating Fiber-Tract Quantification”(PLoS ONE,2012，7(11):e49790.)中描述了一种自动量化白质纤维束的方法。该方法首先从个体脑部DTI图像中利用确定型纤维束追踪提取白质纤维束，通过在白质纤维束上沿纤维以相同点数采样，将纤维上对应的采样点进行点匹配。然后提取采样点处的白质扩散特性，将对应的采样点上的白质扩散特性进行平均，得到最终的白质微结构特征。该方法存在的不足之处是，由于该方法从个体脑部DTI图像中利用确定型纤维束追踪提取白质纤维束，确定型纤维束追踪方法在个体脑部DTI图像中会存在追踪不出纤维束的情况，导致无法对该个体图像进行分析。并且，该方法是通过对纤维束进行沿纤维采样的方式将对应的采样点进行点匹配，这种点匹配方法不够精确，最后得到白质微结构特征存在一定误差。

发明内容

本发明的目的是针对上述现有方法的不足，提供一种基于白质纤维束的白质微结构特征筛选系统及方法。本发明解决现有技术无法对输入的某些图像进行分析，所提取的白质微结构特征缺乏可解释性，敏感度低，误差大，显著性结果难以解释，并且无法定位所提取特征的解剖位置的问题。