[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

摘要

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。

主权项

1.一种融合概率型和确定型纤维束追踪的纤维束筛选方法，其特征在于，构建纤维束频率图谱，筛选感兴趣纤维束，该方法包括如下步骤：(1)读取弥散张量成像DTI图像和各向异性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人的脑部弥散张量成像DTI图像和各向异性FA图像；所述的待测图像组中包含格式均为.nii的52人的脑部弥散张量成像DTI图像和各向异性FA图像，同一人的脑部弥散张量成像DTI图像和各向异性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)提取个体弥散张量成像DTI图像的感兴趣纤维束：(5a)利用追踪软件，对两组图像中每张弥散张量成像DTI图像上的感兴趣纤维束进行概率型纤维束追踪，得到纤维连接分布图；(5b)将纤维连接分布图中所有不为零的纤维连接分布值，按照从大到小排列，选取排序中前千分之一的体素，将所选体素标记为1，纤维连接分布图中的其余体素标记为0，组成感兴趣纤维束图像；(6)构建纤维束频率图谱：(6a)将两组图像中每张各向异性FA图像配准到所构建的张量模板，得到其个体空间到张量模板空间的的配准参数；(6b)利用配准参数，将每幅感兴趣纤维束图像映射到张量模板空间；(6c)在张量模板空间下将感兴趣纤维束图像上的非零体素标记为1，得到标准化的感兴趣纤维束图像；(6d)求所有标准化的感兴趣纤维束图像中对应位置上体素灰度值的平均值，将所有体素灰度值的平均值组成一张平均图像；(6e)将平均图像上灰度值小于0.7的体素标记为0，其余体素上的灰度值不变得到所构建的纤维束频率图谱；(7)筛选感兴趣纤维束：(7a)寻找纤维束频率图谱中灰度值为零的点，去掉纤维束参数化后的感兴趣纤维束上对应坐标位置的点，得到筛选后的纤维束；(7b)利用输入的两组图像中每张各向异性FA图像的个体空间到张量模板空间的配准参数，计算对应的逆配准参数；(7c)利用对应的逆配准参数，将筛选后的纤维束上所有点的坐标，映射到每个个体空间；(7d)利用三线性插值公式，插值计算出输入的两组图像中每张各向异性FA图像上对应个体空间下筛选后的纤维束上所有点的各向异性FA值；(7e)在输入的两组图像中每张各向异性FA图像的个体空间下，求筛选后的纤维束中所有纤维中每个对应位置上点的各向异性FA值的平均值，将所有对应位置上点的各向异性FA值的平均值组成FA值平均值向量，输入的两组图像对应得到两组FA值平均值向量。