基于交流机制的双向蚁群算法的脑白质纤维追踪方法技术

本申请公开了一种基于交流机制的双向蚁群算法的脑白质纤维追踪方法，采用基于交流机制的双向蚁群算法，利用两个蚁群分别独立进行神经纤维的路径追踪。一方面，将蚂蚁的移动选择过程按照轮盘赌分为：线性延伸和根据信息素的移动，其中线性延伸的引入增强了算法的时间有效性，根据信息素移动增加了路径优化的能力。另一方面，当算法迭代陷入局部最优时，交换两个蚁群的信息素挥发系数，变更蚁群原有的搜索状态，突破局部最优的限制。大大缩短了纤维追踪的时间，提高了神经纤维的搜索空间和搜索效率。此外，本申请还提供了一种基于交流机制的双向蚁群算法的脑白质纤维追踪装置、设备及可读存储介质，其技术效果与上述方法的技术效果相对应。

【技术实现步骤摘要】
基于交流机制的双向蚁群算法的脑白质纤维追踪方法
本申请涉及计算机
，特别涉及一种基于交流机制的双向蚁群算法的脑白质纤维追踪方法、装置、设备及可读存储介质。
技术介绍
大脑是人体的重要组成部分，也是最重要、最复杂、最精密的系统，大脑的内部结构主要包括脑灰质和脑白质。其中，脑白质中的神经纤维在大脑功能中占主导地位，承担着传递兴奋信息的功能。人体每完成一个动作和一个反应都需要神经纤维的参与，而且人类的很多疾病都是由于神经纤维的损坏和缺失造成的。因此，如果能够准确、快速的重建人类脑白质内的神经纤维，则可以更好地了解一些疾病的机制，可以更好的对一些相关疾病进行诊断，从而进行针对性的治疗。然而，目前公开的脑白质追踪方案容易陷入局部最优，且需要消耗较长的时间，效率低下，无法满足当前需求。
技术实现思路
本申请的目的是提供一种基于交流机制的双向蚁群算法的脑白质纤维追踪方法、装置、设备及可读存储介质，用以解决当前的脑白质追踪方案容易陷入局部最优，且需要消耗较长的时间，效率低下的问题。其具体方案如下：第一方面，本申请提供了一种基于交流机制的双向蚁群算法的脑白质纤维追踪方法，包括：S1、获取弥散张量成像数据；S2、在待追踪纤维的两端分别设置第一兴趣区域和第二兴趣区域，初始化第一蚁群位于所述第一兴趣区域，并初始化第二蚁群位于所述第二兴趣区域；S3、采用轮盘赌方法，控制蚂蚁根据线性延伸法或根据信息素分布情况进行移动，重复移动过程直至达到移动终止条件，得到第一路径集合和第二路径集合，其中，所述第一路径集合为所述第一蚁群从所述第一兴趣区域到所述第二兴趣区域的路径集合，所述第二路径集合为所述第二蚁群从所述第二兴趣区域到所述第一兴趣区域的路径集合；S4、根据能量函数，分别确定所述第一路径集合和所述第二路径集合中能量最小的路径，得到第一能量最小路径和第二能量最小路径；S5、根据所述第一能量最小路径对所述第一蚁群的信息素进行更新，并根据所述第二能量最小路径对所述第二蚁群的信息素进行更新；S6、判断是否达到追踪终止条件，若达到追踪终止条件，则将所述第一能量最小路径和所述第二能量最小路径中能量最小的路径作为追踪结果；若未达到追踪终止条件，则进入S7；S7、判断是否达到局部最优条件；若达到局部最优条件，则交换所述第一蚁群和所述第二蚁群的信息素挥发系数，并进入S3；若未达到局部最优条件，则进入S3。优选的，在所述根据能量函数，分别确定所述第一路径集合和所述第二路径集合中能量最小的路径，得到第一能量最小路径和第二能量最小路径之前，还包括：根据预先设置的可行路径筛选条件，分别对所述第一路径集合和所述第二路径集合中的路径进行筛选。优选的，所述采用轮盘赌方法，控制蚂蚁根据线性延伸法或根据信息素分布情况进行移动，包括：确定蚂蚁在移动方向上的可行点集；采用轮盘赌方法，根据线性延伸法或根据信息素分布情况从所述可行点集选取目标点；控制蚂蚁移动至所述目标点。优选的，所述采用轮盘赌方法，根据线性延伸法或根据信息素分布情况从所述可行点集选取目标点，包括：随机生成轮盘赌数值；判断所述轮盘赌数值是否小于预先设置的线性延伸概率；若小于，则根据蚂蚁当前所在的点的主向量，从所述可行点集选取目标点；若不小于，则根据选择概率公式计算所述可行点集中各个可行点的选择概率，将选择概率最大的点作为目标点，其中所述选择概率公式为：其中，表示第t次迭代过程中第k只蚂蚁从点(i,j)移动到点(u,v)的选择概率；表示第t次迭代过程中点(i,j)到点(u,v)的路径上的信息素强度，α为信息启发因子；为点(i,j)到点(u,v)的路径长度的倒数，β为期望启发因子；allowedk表示第k只蚂蚁的可行点集。优选的，所述能量函数为：其中，K表示路径中离散点的数量；Pi-1、Pi、Pi+1表示路径中连续的三个离散点的坐标，Pi,i-1＝Pi-Pi-1，Pi+1,i＝Pi+1-Pi；PDDi是离散点Pi处的主向量；a和b是能量函数的加权因子，且满足a+b＝1。优选的，所述判断是否达到局部最优条件，包括：判断局部迭代次数是否达到第一预设阈值，其中所述局部迭代次数表示当前迭代次数与上一次交换信息素挥发系数时的迭代次数之间的差值；若是，则判定达到局部最优条件；若否，则根据目标代价函数，计算当前迭代过程中能量最小的路径的代价值；确定该代价值与上一迭代过程中能量最小的路径的代价值之间的差值，判断该差值是否小于第二预设阈值；若是，则判定达到局部最优条件，否则，判定未达到局部最优条件。优选的，所述若未达到局部最优条件，则进入S3，包括：若未达到局部最优条件，则根据系数更新公式分别更新所述第一蚁群和所述第二蚁群的信息素挥发系数，并进入S3，所述系数更新公式为：ρ(t)＝Wρ(t-1)其中，ρ(t)为第t次迭代过程中的信息素挥发系数，ρ(t-1)为第t-1次迭代过程中的信息素挥发系数，W为常系数。第二方面，本申请提供了一种基于交流机制的双向蚁群算法的脑白质纤维追踪装置，包括：成像数据获取模块：用于获取弥散张量成像数据；初始化模块：用于在待追踪纤维的两端分别设置第一兴趣区域和第二兴趣区域，初始化第一蚁群位于所述第一兴趣区域，并初始化第二蚁群位于所述第二兴趣区域；移动控制模块：用于采用轮盘赌方法，控制蚂蚁根据线性延伸法或根据信息素分布情况进行移动，重复移动过程直至达到移动终止条件，得到第一路径集合和第二路径集合，其中，所述第一路径集合为所述第一蚁群从所述第一兴趣区域到所述第二兴趣区域的路径集合，所述第二路径集合为所述第二蚁群从所述第二兴趣区域到所述第一兴趣区域的路径集合；路径筛选模块：用于根据能量函数，分别确定所述第一路径集合和所述第二路径集合中能量最小的路径，得到第一能量最小路径和第二能量最小路径；信息素更新模块：用于根据所述第一能量最小路径对所述第一蚁群的信息素进行更新，并根据所述第二能量最小路径对所述第二蚁群的信息素进行更新；终止判断模块：用于判断是否达到追踪终止条件，若达到追踪终止条件，则将所述第一能量最小路径和所述第二能量最小路径中能量最小的路径作为追踪结果；若未达到追踪终止条件，则进入信息素系数更新模块；所述信息素系数更新模块：用于判断是否达到局部最优条件；若达到局部最优条件，则交换所述第一蚁群和所述第二蚁群的信息素挥发系数，并进入所述移动控制模块；若未达到局部最优条件，则进入所述移动控制模块。第三方面，本申请提供了一种基于交流机制的双向蚁群算法的脑白质纤维追踪设备，包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序，以实现如上所述的基于交流机制的双向蚁群算法的脑白质纤维追踪方法的步骤。第四方面，本申请提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所本文档来自技高网...

【技术保护点】
1.一种基于交流机制的双向蚁群算法的脑白质纤维追踪方法，其特征在于，包括：/nS1、获取弥散张量成像数据；/nS2、在待追踪纤维的两端分别设置第一兴趣区域和第二兴趣区域，初始化第一蚁群位于所述第一兴趣区域，并初始化第二蚁群位于所述第二兴趣区域；/nS3、采用轮盘赌方法，控制蚂蚁根据线性延伸法或根据信息素分布情况进行移动，重复移动过程直至达到移动终止条件，得到第一路径集合和第二路径集合，其中，所述第一路径集合为所述第一蚁群从所述第一兴趣区域到所述第二兴趣区域的路径集合，所述第二路径集合为所述第二蚁群从所述第二兴趣区域到所述第一兴趣区域的路径集合；/nS4、根据能量函数，分别确定所述第一路径集合和所述第二路径集合中能量最小的路径，得到第一能量最小路径和第二能量最小路径；/nS5、根据所述第一能量最小路径对所述第一蚁群的信息素进行更新，并根据所述第二能量最小路径对所述第二蚁群的信息素进行更新；/nS6、判断是否达到追踪终止条件，若达到追踪终止条件，则将所述第一能量最小路径和所述第二能量最小路径中能量最小的路径作为追踪结果；若未达到追踪终止条件，则进入S7；/nS7、判断是否达到局部最优条件；若达到局部最优条件，则交换所述第一蚁群和所述第二蚁群的信息素挥发系数，并进入S3；若未达到局部最优条件，则进入S3。/n...

【技术特征摘要】
1.一种基于交流机制的双向蚁群算法的脑白质纤维追踪方法，其特征在于，包括：
S1、获取弥散张量成像数据；
S2、在待追踪纤维的两端分别设置第一兴趣区域和第二兴趣区域，初始化第一蚁群位于所述第一兴趣区域，并初始化第二蚁群位于所述第二兴趣区域；
S3、采用轮盘赌方法，控制蚂蚁根据线性延伸法或根据信息素分布情况进行移动，重复移动过程直至达到移动终止条件，得到第一路径集合和第二路径集合，其中，所述第一路径集合为所述第一蚁群从所述第一兴趣区域到所述第二兴趣区域的路径集合，所述第二路径集合为所述第二蚁群从所述第二兴趣区域到所述第一兴趣区域的路径集合；
S4、根据能量函数，分别确定所述第一路径集合和所述第二路径集合中能量最小的路径，得到第一能量最小路径和第二能量最小路径；
S5、根据所述第一能量最小路径对所述第一蚁群的信息素进行更新，并根据所述第二能量最小路径对所述第二蚁群的信息素进行更新；
S6、判断是否达到追踪终止条件，若达到追踪终止条件，则将所述第一能量最小路径和所述第二能量最小路径中能量最小的路径作为追踪结果；若未达到追踪终止条件，则进入S7；
S7、判断是否达到局部最优条件；若达到局部最优条件，则交换所述第一蚁群和所述第二蚁群的信息素挥发系数，并进入S3；若未达到局部最优条件，则进入S3。


2.如权利要求1所述的方法，其特征在于，在所述根据能量函数，分别确定所述第一路径集合和所述第二路径集合中能量最小的路径，得到第一能量最小路径和第二能量最小路径之前，还包括：
根据预先设置的可行路径筛选条件，分别对所述第一路径集合和所述第二路径集合中的路径进行筛选。


3.如权利要求1所述的方法，其特征在于，所述采用轮盘赌方法，控制蚂蚁根据线性延伸法或根据信息素分布情况进行移动，包括：
确定蚂蚁在移动方向上的可行点集；
采用轮盘赌方法，根据线性延伸法或根据信息素分布情况从所述可行点集选取目标点；
控制蚂蚁移动至所述目标点。


4.如权利要求3所述的方法，其特征在于，所述采用轮盘赌方法，根据线性延伸法或根据信息素分布情况从所述可行点集选取目标点，包括：
随机生成轮盘赌数值；
判断所述轮盘赌数值是否小于预先设置的线性延伸概率；
若小于，则根据蚂蚁当前所在的点的主向量，从所述可行点集选取目标点；
若不小于，则根据选择概率公式计算所述可行点集中各个可行点的选择概率，将选择概率最大的点作为目标点，其中所述选择概率公式为：



其中，表示第t次迭代过程中第k只蚂蚁从点(i,j)移动到点(u,v)的选择概率；表示第t次迭代过程中点(i,j)到点(u,v)的路径上的信息素强度，α为信息启发因子；为点(i,j)到点(u,v)的路径长度的倒数，β为期望启发因子；allowedk表示第k只蚂蚁的可行点集。


5.如权利要求1所述的方法，其特征在于，所述能量函数为：



其中，K表示路径中离散点的数量；Pi-1、Pi、Pi+1表示路径中连续的三个离散点的坐标，Pi,i-1＝Pi-Pi-1，Pi+1,i＝Pi+1-Pi；PDDi是离散点...

【专利技术属性】
技术研发人员：孙兵，赖昀，陈小平，姜敏，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32