【技术实现步骤摘要】
专利说明把跟踪纤维路径问题转化为估计概率最大值问题，即权利要求1. ，其特征在于所述跟踪方法包括以下步骤(1)基于全局优化的概率纤维跟踪过程给定一条脑白质纤维路径C : — Ω，其中，^c炉是一个密集的图像区域，&是纤维路径的起始点，^是纤维路径的中止点；一条脑白质纤维路径看作是图像空间内的一些离散点的路径，即P1:n = Ixo，X1, L, xn}， 假定所有向量的步长相同，S卩CIi= d，i = l，L，n;在离散时间内的路径写成一个递归式 xi+1 = Xi+ α Vi, i = 0,1, L, n-1 (2) 其中，Vi是位置Xi上的纤维方向； xi+1 = Xi+ α Vi, i = 0,1, L, n-1 ；A为兴趣部位的起始区域，而B为兴趣部分的目标区域，则从A到B的一条纤维路径的总值为全文摘要，包括(1)基于全局优化的概率纤维跟踪过程；(2)以随机粒子群纤维跟踪算法为基础的局部价值函数模型，所述局部价值函数模型为迭代模型。全局优化的概率纤维跟踪过程能有效获取全局纤维路径和局部纤维走向上的不确定性信息；以随机粒子群纤维跟踪算法为基础的局部价值函数模型，利用一种全新的重复迭代得到最大概率的学习策略，达到快速获取纤维路径的目的，能够获得全局最优的最大后验概率路径。本专利技术能简化计算、提升跟踪精度、可靠性良好。文档编号G06N3/00GK102204819SQ20111008521公开日2011年10月5日 申请日期2011年4月6日 优先权日2011年4月6日专利技术者冯远静, 周海波, 王哲进, 邵开来 申请人:浙江工业大学
【技术保护点】
１．一种基于群优化的脑白质纤维跟踪方法，其特征在于：所述跟踪方法包括以下步骤：（１）基于全局优化的概率纤维跟踪过程：给定一条脑白质纤维路径ｃ：［ｘ０，ｘｎ］→Ω，其中，是一个密集的图像区域，ｘ０是纤维路径的起始点，ｘｎ是纤维路径的中止点；一条脑白质纤维路径看作是图像空间内的一些离散点的路径，即Ｐ１：ｎ＝｛ｘ０，ｘ１，Ｌ，ｘｎ｝，假定所有向量的步长相同，即αｉ＝α，ｉ＝１，Ｌ，ｎ；在离散时间内的路径写成一个递归式：ｘｉ＋１＝ｘｉ＋αｖｉ，ｉ＝０，１，Ｌ，ｎ－１ （２）其中，ｖｉ是位置ｘｉ上的纤维方向；ｘｉ＋１＝ｘｉ＋αｖｉ，ｉ＝０，１，Ｌ，ｎ－１；Ａ为兴趣部位的起始区域，而Ｂ为兴趣部分的目标区域，则从Ａ到Ｂ的一条纤维路径的总值为：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｈ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｃ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｎ）０（／ｍｎ）?（／ｍｓｕｂ）?（ｍｏ）＆Ｅｌｅｍｅｎｔ；（／ｍｏ）?（ｍｉ）Ａ（／ｍｉ）?（ｍｏ）＆ＲｉｇｈｔＡｒｒｏｗ；（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）ｘ（／ｍｉ）...
【技术特征摘要】
【专利技术属性】
技术研发人员：冯远静，王哲进，邵开来，周海波，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：86
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。