一种基于空间相似度的纤维分类方法及其系统技术方案

一种基于空间相似度的纤维分类方法及其系统，本发明专利技术的方法包括以下步骤：数据处理和纤维跟踪模块：包括数据导入，体素建模，概率性跟踪出纤维路径；颜色编码，空间映射和纤维聚类模块：将纤维束按照空间方向进行颜色编码；交互模块并重绘纤维。实现该方法的系统，包括：数据处理和纤维跟踪模块，颜色编码，空间映射和纤维聚类模块，交互模块并重绘纤维。

【技术实现步骤摘要】
一种基于空间相似度的脑纤维分类方法
本专利技术涉及脑纤维研究，是一种基于空间相似度的纤维分类方法。
技术介绍
DW-MRI(弥散加权磁共振成像)是目前唯一的一种无创的在活体脑白质纤维结构研究和脑部连通性探索领域的诊断技术。通过追踪生物体内水分子的扩散运动，该方法可以直观的显示脑功能区之间的纤维连接，受到脑神经外科研究者的重点关注。为了追踪纤维方向，扩散张量成像(DTI)方法被提出来估计水分子的扩散概率分布。鉴于DTI方法本身的缺陷，在有多条纤维交叉的体素内，DTI是不能完整表达出多根纤维方向信息。然而，高角分辨率扩散成像(HARDI)技术很好的解决了体素内存在多根纤维交叉问题。由于脑纤维微结构复杂，DW-MRI数据不确定，准确建立全局纤维优化指标并精确重构神经纤维仍然是难题。以概率密度函数描述纤维走向的概率跟踪算法是目前解决纤维方向不确定的有效手段，通过大量粒子按照概率密度方向尽可能的随机拓展纤维的可能走向，以概率描述纤维的可信程度。它在某种程度上改善了确定性方法带来的问题，同时也容易产生大量“过度”跟踪导致的不期望纤维。另一方面，为了更好的展示纤维路径跟踪，需要将纤维可视化出来。概本文档来自技高网...

【技术保护点】
一种基于空间相似度的纤维分类方法,其特征在于：步骤1，数据导入，体素建模，概率性跟踪出纤维路径；步骤2，将纤维束按照空间方向进行颜色编码；然后，根据纤维的各个参数，将3D纤维一一映射到2D pixelbar(像素条)上。根据DBSCAN(一种基于密度的聚类算法)方法，设定相应的半径和密度阈值，对高密度纤维数据进行自动聚类，方向相近，路径相似的纤维聚为一捆纤维束，从而清晰的分类出路径相似的若干纤维束；步骤3，由于跟踪出的低概率纤维不可信，需要从众多纤维中剔除；在映射为2D pixelbar后，可以交互的选择自定义的纤维概率阈值之上的所有纤维，剔除低于阈值纤维，并重新绘制出高可信的纤维。

【技术特征摘要】
1.一种基于空间相似度的脑纤维分类方法,其特征在于：步骤1，数据导入，体素建模，概率性跟踪出纤维路径；步骤2，将纤维束按照空间方向进行颜色编码；然后，根据纤维的各个参数，将3D纤维一一映射到2Dpixelbar像素条上；根据DBSCAN方法，设定相应的半径和密度阈值，对高密度纤维数据进行自动聚类，方向相近，路径相似的纤维聚为一捆纤维束，从而清晰的分类出路径相似的若干纤维束，DBSCAN方法是一种基于密度的聚类算法；步骤3，由于跟踪出的低概率纤维不可信，需要从众多纤维中剔除；在映射为2Dpixelbar后，可以交互的选择自定义的纤维概率阈值之上的所有纤维，剔除低于阈值纤维，并重新绘制出高可信的纤维。2.根据权利要求1所述的基于空间相似度的脑纤维分类方法，其特征在于：所述的步骤2包括以下步骤，Step2.1颜色编码：纤维采样点用向量用表示，为保证颜色映射为正值，使用表示种子点，因此向量映射为RGB关系如下；其中,Rmax＝Gmax＝Bmax＝255Step2.2空间映射：将纤维映射到pixelbar上；根据Bayesian纤维跟踪，求得纤维取向的平均值和均方误差pMSE：其中,pi是第i根纤维的整体概率，n是整条纤维的采样点数；pMSE将直接映射为每个pixelbar的不透明度值；一根pixelbar对应一根纤维，纤维上所有采样点都一一映射到对应的pixelbar上；在pixelbar上，颜色编码为纤维的方向信息，pixelbar长度映射成纤维本身的长度，pixelbar的不透明度被映射为纤维的整体概率...

【专利技术属性】
技术研发人员：梁荣华，孙文杰，王正州，姜晓睿，池华炯，冯远静，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33