基于峰度张量分数各向异性微结构特征提取方法与装置制造方法及图纸

本发明专利技术涉及图像处理、医疗器械技术领域，为提出一种新兴的用于临床应用的检测生物组织各向异性的参数提取方法，得到重建和量化生物组织微观各向异性特征明确、精炼且稳定性强的分析方法，以及相关装置。本发明专利技术采用的技术方案是，基于峰度张量分数各向异性微结构特征提取方法，通过受试者在磁共振扫描仪上采集组织沿多个扩散敏感梯度方向的多b值扩散加权图像，将扩散加权图像预处理后，在个体空间中拟合得到反映组织内水分子扩散分布概率密度函数特征的二阶扩散张量及四阶峰度张量矩阵，通过矩阵运算得到相应的分数各向异性FA和峰度张量分数各向异性KTFA，结合特征参数，获得神经纤维微结构特征。本发明专利技术主要应用于医疗器械设计制造。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及图像处理、医疗器械
，为提出一种新兴的用于临床应用的检测生物组织各向异性的参数提取方法，得到重建和量化生物组织微观各向异性特征明确、精炼且稳定性强的分析方法，以及相关装置。本专利技术采用的技术方案是，基于峰度张量分数各向异性微结构特征提取方法，通过受试者在磁共振扫描仪上采集组织沿多个扩散敏感梯度方向的多b值扩散加权图像，将扩散加权图像预处理后，在个体空间中拟合得到反映组织内水分子扩散分布概率密度函数特征的二阶扩散张量及四阶峰度张量矩阵，通过矩阵运算得到相应的分数各向异性FA和峰度张量分数各向异性KTFA，结合特征参数，获得神经纤维微结构特征。本专利技术主要应用于医疗器械设计制造。【专利说明】基于峰度张量分数各向异性微结构特征提取方法与装置
本专利技术涉及图像处理、医疗器械
，具体讲，涉及基于峰度张量分数各向异 性微结构特征提取方法与装置。
技术介绍
大脑白质是由进出大脑半球和联络大脑两侧半球的神经纤维聚集而形成的，其内 部含有各种不同功能的神经束。因此，大脑白质神经纤维是信息传递与编码的重要媒介，控 制着神经元信号共享、协调脑区之间信息交流的正常运行，其发生病变或受到侵害将严重 阻碍大脑认知功能发育或引起功能退化及病变。白质纤维完整性恶化相关的早老性痴呆、 抑郁症、精神分裂症以及与以神经纤维缠结为主要病理基础的阿尔兹海默症、影响大脑白 质正常结果分布的脑肿瘤等脑神经性疾病均与大脑白质的结构紧密相关。 目前，可无损地进行大脑白质神经纤维重建的方法大多基于扩散分数各向异性 (factional anisotropy，FA)参数。FA是通常用来量化由扩散磁共振数据得到的生物组织 微结构特征的参数指标。然而，尽管扩散动力学有明显的角度依赖性，但FA在会变小甚至消 失在某些位置，如交叉纤维处。此外，FA受容积效应影响大，也包括如方向色散和神经突密 度的对FA值的干扰。因此，需要考虑其他用于衡量扩散各向异性稳定性较强的指标。 扩散峰度成像(diffusion kurtosis imaging，DKI)在传统的扩散张量成像的基 础上引入四阶峰度，通过多个方向上的扩散加权信号采集，获取组织内水分子的扩散分布 情况，进而研究生物组织更为精细的微观结构特性。随着DKI提出，国内外研究者已提出一 系列基于峰度张量的衡量水分子扩散各向异性的指标，但很多指标是来自于整合扩散张量 信息得到的，尚未弥补FA的如上缺陷。
技术实现思路
为克服现有技术的不足，本专利技术旨在提出一种新兴的用于临床应用的检测生物组 织各向异性的参数提取方法。通过基于高阶峰度张量提取的分数各向异性参数指标可得到 重建和量化生物组织微观各向异性特征明确、精炼且稳定性强的分析方法，以及相关装置。 本专利技术采用的技术方案是，基于峰度张量分数各向异性微结构特征提取方法，通过受试者 在磁共振扫描仪上采集组织沿多个扩散敏感梯度方向的多b值扩散加权图像，将扩散加权 图像预处理后，在个体空间中拟合得到反映组织内水分子扩散分布概率密度函数特征的二 阶扩散张量及四阶峰度张量矩阵，通过矩阵运算得到相应的分数各向异性FA和峰度张量分 数各向异性KTFA，结合特征参数，获得神经纤维微结构特征。 扩散加权磁共振图像采集使用3.OT磁共振扫描仪及32通道头线圈，采集序列是使 用平面回波成像(EPI)读取的单次激发自旋回波-平面回波序列（SE-EPI，single shot spin echo-echo planar imaging)，扩散加权信号相关实验采集参数：重复时间TR (repetition time) = 10500ms，回波时间TE (echo time) = 103ms，部分傅里叶变换 75%，视 野为256 X 256mm2,获得图像矩阵为128 X 128,层厚为2mm，全脑采集73层，层间无间隔;扩散 敏感因子b值选择b = 1000s/mm2和b = 2000s/mm2,分别有30个梯度方向的扩散加权，同时额 外采集一次b = 0的无扩散加权的基准图像，得到一个大小为128 X 128 X 73 X 61的矩阵数据 集，采集时间约为8分40秒，图像信噪比为2.03。 扩散加权图像预处理具体步骤是，所有被试的扩散加权磁共振图像需先进行头动 伪影检查，其中若平移超过Imm或者旋转超过4°的图像将被剔除，不宜进行后续张量估计； 然后，采用mrDif fusion工具包中的dti Init模块对数据进行祸流校正和头动校正操作，同 时运用FSL软件中的BET模块进行剥脑;将得到的图像在进入张量估计前，采用高斯核平滑 处理，且半高全宽值为采集图像体素的1.25~1.5倍。 张量估计与特征提取步骤是，采用标准的梯度脉冲磁共振序列梯度磁场强度为g， 脉冲持续时间为S以及扩散敏感梯度脉冲中心的时间间隔△的标准脉冲梯度场，得到扩散 峰度成像模型中扩散峰度与扩散信号的主要关系为， 其中s(b)是添加了梯度磁场的信号强度，& = 1000,20008/1111112;5(0)是不施加扩散 敏感梯度脉冲的磁共振参考信号的强度;b值是扩散磁敏感因子;D app是某个方向的表观扩 散系数，Kapp是沿某个方向的表观扩散峰度，扩散张量D为一个二维三阶的实对称矩阵，它的 计算至少需要6个梯度方向；扩散峰度张量K为一个四维三阶的实对称矩阵，它的计算需要 至少两个非零b值和15个梯度方向，对于任意方向，表观扩散系数和表观扩散峰度估计量的 表达式写为， 其中，D(ft)和:K(fi)分别为水分子在?!方向上的表观扩散系数和表观峰度系数，I!是 扩散敏感梯度方向，111，1^，1 11{，111，是!1的第1或」，1^1个分量元素;平均扩散系数5和扩散峰度 K由是对所有方向求平均得到的， δ可以由D矩阵求迹得出为矩阵D特征值，代表组织内三分方向上的扩散系数大 小，且最大特征值对应方向极为组织内神经纤维的主要走向，另两个特征值反映神经纤维 髓鞘的特性， W是1的近似值，二者相等当且仅当组织中水分子扩散为各向同性扩散。 FA与KTFA参数估计步骤，FA被定义为 其中，j为标准化的常数，使FA的取值范围限制在0到1之间;D为扩散张量，是一个 3 X 3的二维矩阵；I(2)为对称的二阶矩阵，if = SijJij为克罗内克函数，i，j可取1，2， 3; Il…IlF为矩阵的F范数，峰度张量分数各向异性(KTFA)，定义为 其中，W为峰度张量；1(4)为对称的为克罗内克函数，i，j，k，1可取1，2，3; 11…11F为矩阵的F范数，KTFA易受各扩散组分之间的差 异性的影响，而非像FA依赖于各扩散组分的方向。基于峰度张量分数各向异性微结构特征提取装置，包括:扩散加权磁共振图像采 集装置，和计算机;计算机中设置有扩散加权图像预处理模块、张量估计与特征提取模块。 扩散加权磁共振图像采集装置是3.OT磁共振扫描仪及32通道头线圈，采集序列是 使用平面回波成像(EPI)读取的单次激发自旋回波-平面回波序列（SE-EPI ,single shot spin echo-echo planar imaging)〇 扩散加权图像预处理模块用于进行头动伪影检查，其中若平移超过Imm或本文档来自技高网...

【技术保护点】
一种基于峰度张量分数各向异性微结构特征提取方法，其特征是，通过受试者在磁共振扫描仪上采集组织沿多个扩散敏感梯度方向的多b值扩散加权图像，将扩散加权图像预处理后，在个体空间中拟合得到反映组织内水分子扩散分布概率密度函数特征的二阶扩散张量及四阶峰度张量矩阵，通过矩阵运算得到相应的分数各向异性FA和峰度张量分数各向异性KTFA，结合特征参数，获得神经纤维微结构特征。

【技术特征摘要】

【专利技术属性】
技术研发人员：沙淼，赵欣，倪红艳，陈元园，刘亚男，张雄，明东，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12