一种融合白质功能信号的DWI纤维优化重建方法及系统技术方案

本发明专利技术属于医学图像处理技术领域，公开了一种融合白质功能信号的DWI纤维优化重建方法及系统，基于全局优化类的贝叶斯最优路径算法，将白质fMRI融合到DWI全局优化纤维重建中，加入功能先验信息纤维，从全局纤维中找到连接特定功能区域的最优路径。本发明专利技术提供了一种将白质fMRI融合到DWI全局优化纤维重建中，加入功能先验信息纤维重建出最优功能路径的方法，可有效抑制局部噪声，得到执行特定功能的最优连接路径，避免得到局部最优解。本发明专利技术打破了仅通过空间位置形成最优路径的框架，重建出在执行特定脑活动时，大脑信息传递的最优路径。

A DWI fiber optimized reconstruction method and system based on white matter function signal fusion

【技术实现步骤摘要】
一种融合白质功能信号的DWI纤维优化重建方法及系统
本专利技术属于医学图像处理
，尤其涉及一种融合白质功能信号的DWI纤维优化重建方法及系统。
技术介绍
目前，业内常用的现有技术是这样的：大脑白质是由各种不同功能的神经纤维在中枢神经系统内聚集而成。研究表明，白质组织的特性与人类认知能力、决策力、情绪状态和发育变化有关，对其开展研究能够帮助了解大脑的发育、衰老和患病情况。弥散加权成像(diffusionweightedMRI，DWI)是一种能够在大脑白质内检测出水分子弥散运动的无创方法，通过估计体素中水分子的弥散方向分布函数(diffusionorientationdistributionfunctions，dODFs)来间接计算白质纤维的分布方向。DWI纤维束追踪成像就是将dODFs转换成纤维方向分布函数(fiberorientationdistributionfunctions，fODFs)，并通过其在体素间的连通性来构建脑白质连接的解剖结构。对DWI纤维进行重建可以进一步研究白质纤维的特性。现有的DWI纤维重建算法可分为局部纤维重建方法和全局纤维重建方法。局部纤维重建方法是从初始点开始，沿着纤维走向逐步前进，最终获得整条纤维路径；全局纤维重建方法则是在互相连接的纤维路径上建立代价函数，利用优化技术寻找最佳纤维路径。全局纤维重建方法可以消除累积噪声及局部随机噪声，提高长距离成像的可靠性。事实上，基于DWI的结构连接常常与基于功能磁共振成像的功能连接相结合，以得到纤维重建的最优路径。重建具有功能意义的结构连接已然成为神经科学研究中基础性的问题。最新的研究表明，白质中的功能磁共振成像(fMRI)能通过测量白质神经元功能活动中的血氧依赖水平(Bloodoxygenleveldependent,BOLD)来分析神经纤维的功能特性，并已成功应用于病理学研究，该研究为重建具有功能特性的纤维束提供了可能。现有技术中常用的DWI纤维重建算法包括：(1)在全局概率追踪的贝叶斯算法中加入先验信息，从而在两个区域之间找到最优纤维束；这种方法的缺陷在于可供使用的先验知识只包含了两区域间是否存在连接的信息，并不包括关于纤维束位置或功能的先验信息。此外，由于问题过于复杂，很难求出最优解，此方法只能通过从后验分布的启发式采样来估量纤维束。(2)将全局纤维追踪与分层纤维聚类相结合来划分纤维路径，采用了K均值聚类和改进的休伯特统计，在每个纤维束上进行迭代采样和聚类从而逼近最优解，极大地促进了纤维束成像在人类复杂神经网络的临床研究。此方法仍缺乏功能特性，对脑部纤维束特性的分析不完善。(3)将DWI的结构连接与基于灰质中功能磁共振成像相结合，重建出连通多个灰质功能区域的白质结构连接。此方法的这种融合技术只是一种基本的联合，结果只能说明在特定的灰质功能区有白质纤维连接，白质结构本身并未证明具有功能特性。综上所述，现有技术存在的问题是：(1)在全局概率追踪的贝叶斯算法中加入先验信息的DWI纤维重建算法，其可供使用的先验知识不包括关于纤维束位置或功能的先验信息，同时问题过于复杂，很难求出最优解。带来的技术问题是：数据处理上速度慢，运行时间长，成本增加，数据处理结果不准确。(2)将全局纤维追踪与分层纤维聚类相结合的DWI纤维重建算法，缺乏功能特性，带来的技术问题是：数据处理结果中对脑部纤维束特性的分析不完善。(3)将DWI的结构连接与基于灰质中功能磁共振成像相结合的DWI纤维重建算法，白质结构本身并未证明具有功能特性。带来的技术问题是：数据处理途径十分局限，数据处理结果有偏差。解决上述技术问题的难度：由于大脑白质纤维结构与功能都特别复杂，以前DWI纤维重建方法都是围绕结构方式展开，未能有效地结合白质纤维的结构与功能信息，要想有效地解决上述技术问题，难度较大。解决上述技术问题的意义：加入fMRI功能先验信息的优化方法可重建出具有功能意义的白质纤维束，能使数据处理的途径更加完善，处理速度更快，结果更具可靠性和鲁棒性。
技术实现思路
针对现有技术未将白质纤维的结构特性和功能特性有效的结合起来的缺陷，本专利技术提供了一种融合白质功能信号的DWI纤维优化重建方法及系统。本专利技术是这样实现的，一种融合白质功能信号的DWI纤维优化重建方法，所述融合白质功能信号的DWI纤维优化重建方法包括：基于全局优化类的贝叶斯最优路径算法，将白质fMRI融合到DWI全局优化纤维重建中；加入功能先验信息纤维，从全局纤维中找到连接特定功能区域的最优路径，并对获取的最优路径数据进行初始化。进一步，所述融合白质功能信号的DWI纤维优化重建方法具体包括以下步骤：步骤一，通过弥散磁共振仪器采集全脑MRI数据图像；步骤二，将采集的数据进行预处理；将预处理后的T1w数据进行偏移矫正并分割得到白质、灰质和脑脊液数据；步骤三，以b＝0的DWI数据为参考，将预处理后的图像数据配准到DWI图像空间；步骤四，对DWI算法进行优化；步骤五，对大脑白质fMRI信号进行建模，将白质中fMRI信号的各向异性建模为时空相关张量；调制用于跟踪的弥散信号导出的ODF；步骤六，进行融合fMRI的DWI纤维优化重建；步骤七，通过后验概率最大的路径，提取白质纤维的最优路径，实现白质DWI纤维的优化重建。进一步，步骤一，采集全脑MRI数据图像中，采集3D高分辨T1-weighted解剖结构图像，利用multi-shot3DGE序列采集，像素大小1×1×1mm3。进一步，步骤二中，所述预处理包括将BOLD信号进行时间层矫正、头动矫正、高斯平滑处理。进一步，步骤四中，所述DWI算法优化方法包括：(1)将大脑的DWI数据定义为连接图，并连接至邻域中，给每条边赋予权重；(2)通过fODF函数求出体素在26个相邻体素方向的概率，表征DWI纤维的弥散；(3)用体素点间的对称边权重表示体素连接该方向的概率。进一步，所述DWI算法优化方法进一步包括：大脑的DWI数据定义为连接图G＝(V,E,wE)，其中V是除去脑脊液以外的所有体素节点集，E是边集，wE是边的权重；在三维图像中每个节点都被边e∈E连接到其3×3×3邻域中，并给每条边e赋予一个权重wE(e)∈[0,1]，用于表示纤维束连接其两个端节点的概率；路径的似然值是路径上所有的边权重wE(e)的乘积，即：式中v∈V和v'∈V是G中的两个节点，πv,v'是连接这两点的路径，表示成节点序列πv,v'＝[v1,v2,...,vn]其中v1＝v,vn＝v',(vi,vi+1)∈E,i＝1,...,n-1；路径的基数等于节点总数|πv,v'|＝n；用单位球面S2上的任意方向θ的fODFf:S2→R+求出纤维在该方向的概率，表示DWI的弥散情况；对于每个体素，对26个相邻体素方向θi,i＝1,...,26本文档来自技高网...

【技术保护点】
1.一种融合白质功能信号的DWI纤维优化重建方法，其特征在于，所述融合白质功能信号的DWI纤维优化重建方法包括：/n基于全局优化类的贝叶斯最优路径算法，将白质fMRI融合到DWI全局优化纤维重建中；/n加入功能先验信息纤维，从全局纤维中找到连接特定功能区域的最优路径。/n

【技术特征摘要】
20190808 CN 20191072931671.一种融合白质功能信号的DWI纤维优化重建方法，其特征在于，所述融合白质功能信号的DWI纤维优化重建方法包括：
基于全局优化类的贝叶斯最优路径算法，将白质fMRI融合到DWI全局优化纤维重建中；
加入功能先验信息纤维，从全局纤维中找到连接特定功能区域的最优路径。


2.如权利要求1所述融合白质功能信号的DWI纤维优化重建方法，其特征在于，所述融合白质功能信号的DWI纤维优化重建方法具体包括以下步骤：
步骤一，通过弥散磁共振仪器采集全脑MRI数据图像；
步骤二，将采集的数据进行预处理；将预处理后的T1w数据进行偏移矫正并分割得到白质、灰质和脑脊液数据；
步骤三，以b＝0的DWI数据为参考，将预处理后的图像数据配准到DWI图像空间；
步骤四，对DWI算法进行优化；
步骤五，对大脑白质fMRI信号进行建模，将白质中fMRI信号的各向异性建模为时空相关张量；调制用于跟踪的弥散信号导出的ODF；
步骤六，进行融合fMRI的DWI纤维优化重建；
步骤七，通过后验概率最大的路径，提取白质纤维的最优路径，实现白质DWI纤维的优化重建。


3.如权利要求2所述融合白质功能信号的DWI纤维优化重建方法，其特征在于，步骤一，采集全脑MRI数据图像中，采集3D高分辨T1-weighted解剖结构图像，利用multi-shot3DGE序列采集，像素大小1×1×1mm3。


4.如权利要求2所述融合白质功能信号的DWI纤维优化重建方法，其特征在于，步骤二中，所述预处理包括将BOLD信号进行时间层矫正、头动矫正、高斯平滑处理。


5.如权利要求2所述融合白质功能信号的DWI纤维优化重建方法，其特征在于，步骤四中，所述DWI算法优化方法包括：
(1)将大脑的DWI数据定义为连接图，并连接至邻域中，给每条边赋予权重；
(2)通过fODF函数求出体素在26个相邻体素方向的概率，表征DWI纤维的弥散；
(3)用体素点间的对称边权重表示体素连接该方向的概率。


6.如权利要求5所述融合白质功能信号的DWI纤维优化重建方法，其特征在于，所述DWI算法优化方法进一步包括：
大脑的DWI数据定义为连接图G＝(V,E,wE)，其中V是除去脑脊液以外的所有体素节点集，E是边集，wE是边的权重；
在三维图像中每个节点都被边e∈E连接到其3×3×3邻域中，并给每条边e赋予一个权重wE(e)∈[0,1]，用于表示纤维束连接其两个端节点的概率；
路径的似然值是路径上所有的边权重wE(e)的乘积，即：



式中v∈V和v'∈V是G中的两个节点，πv,v'是连接这两点的路径，表示成节点序列πv,v'＝[v1,v2,...,vn]其中v1＝v,vn＝v',(vi,vi+1)∈E,i＝1,...,n-1；路径的基数等于节点总数|πv,v'|＝n；
用单位球面S2上的任意方向θ的fODFf:S2→R+求出纤维在该方向的概率，表示DWI的弥散情况；
对于每个体素，对26个相邻体素方向θi,i＝1,...,26进行分析；
通过计算在所有方向集Ci的fODF，得到体素在方向θi∈S2上的权重w(θi)；权重w(θi)表示体素连接该方向的概率，表示为：



其中集合是单位球面上N个方向的均匀样本，Si＝S∩Ci是属于方向集Ci的样本集合，Vol(S2)/N是对应于样本方向的平均体积；
w(θi)由初始节点取得，则将权重wE(v,v')定义为以下所示的平均值：
wE(v,v')＝1/2·(w(v→v')+w(v'→v))
其中v→v'表示从体素v到体素v'的方向，于是得到对称边权重：wE(v,v')＝wE(v',v)。


7.如权利要求2所述融合白质功能信号的DWI纤维优化...

【专利技术属性】
技术研发人员：肖丹，黄冠尧，杨智鹏，
申请(专利权)人：成都信息工程大学，成都盛达仁科技有限公司，
类型：发明
国别省市：四川;51