专利名称：一种基于黎曼流形的脑白质纤维束跟踪的组间处理方法
技术领域：
本发明属于磁共振扩散张量成像(Diffusion Tensor Imaging, DTI)领域,具体涉及一种基于黎曼(Riemannian)流形的脑白质纤维束跟踪，再对纤维束的数目进行组间处理的方法。
背景技术：
扩散张量成像(DTI)是一种磁共振技术，是目前唯一可以无创地对脑组织中水分子的各向异性扩散性质进行定量分析和测量的技术。DTI通过测量活体组织中水分子毫米数量级的扩散运动速率与状态，反映水分子的各向异性，从而得到纤维组织的走向，表现人体组织的微观结构。近年来，扩散张量成像的研究主要集中在脑成像方面，特别是应用于脑白质纤维束的成像。黎曼流形是一个微分流形，其中每点P的切空间都定义了点积，而且其数值随P平滑地改变。每个Rn的平滑子流形可以导出黎曼度量把Rn的点积都限制于切空间内。我们可以定义黎曼流形为和Rn的平滑子流形是等距同构的度量空间，等距是指其内蕴度量(intrinsic metric)和上述从Rn导出的度量是相同的。虽然黎曼流形通常是弯曲的，但“直线”的概念依然存在那就是测地线。近年来，DTI研究的重要进展是将其应用于脑白质纤维的可视化，其中脑白质纤维束跟踪是DTI可视化研究的一个热点。在脑白质纤维中，沿着长轴方向扩散的水分子由于阻力较小而扩散速度较快，而垂直于长轴方向扩散的水分子由于阻力较大而扩散速度较慢。纤维跟踪使用连续的曲线表示纤维的走向和分布，通过纤维跟踪方法可以得到三维连续的脑白质组织结构，并可以显示脑白质纤维细节。传统的脑白质纤维束成像算法大多将脑白质中的各个体素用一个3X3的张量来表示，并计算各个张量的最大特征值和最大特征向量，以最大特征向量的方向来表示该体素的纤维束主要走向，从而形成一个三维的矢量场。目前对脑白质神经纤维的跟踪方法已经有很多种，大概可以分成基于张量域和基于全局能量最小化的两种方法。基于张量域的纤维跟踪算法主要利用局部张量信息进行纤维跟踪，DTI能产生每个体素的优选扩散方向，空间上每个张量的排列称为张量域。在该三维矢量场中选取一个种子点，再运用插值、波传导等方法迭代计算源自该种子点的脑白质纤维束，迭代算法的终止条件一般为纤维束传导至各向异性较低的区域，或纤维束相邻体素间偏折角度过大等。基于张量域的纤维跟踪算法关键在于当前点扩散方向的确定，但其存在一个缺点，不能处理纤维分叉和交叉。而基于全局能量最小化的方法可以处理分叉和交叉纤维，该方法增加了纤维不确定性和随机性的考虑，通过最小化代价函数，寻求最优路径，具有最小代价的路径与真实路径相对应，但处理过程中引入了太多的假阳性支，并且对于纤维走向描述不明确。因此，传统的脑白质纤维跟踪方法具有抗噪性差、纤维束跟踪的鲁棒性低的缺点。 并且，由于不同人的脑解剖结构存在显著差异，传统的脑白质纤维跟踪方法在比较不同人的纤维束特征时会有困难。
发明内容
(一 )要解决的技术问题为了克服已有技术的不足，本发明提供一种基于黎曼流形的脑白质纤维束跟踪的组间处理方法。( 二 )技术方案本发明提出一种基于黎曼流形脑白质纤维束跟踪的组间处理方法，包括以下步骤步骤Sa:对脑白质DTI图像数据进行配准校正，在配准校正后的脑白质DTI图像数据上建立Fick第二定理公式；步骤Sb :为脑白质DTI图像数据构造黎曼流形，选取两点间测地线作为脑白质纤维束的路径，其中两点间测地线即为最小距离路径；步骤Sc :计算所述黎曼流形下的扩散算子；步骤Sd :依据所述扩散算子，构造Navier-Stoke方程表达扩散张量场中流体的运动，从而构造一个偏微分方程来描述黎曼流形下两点间测地线的性质；步骤Se :依据Level-Set数值解方法，通过迭代计算所述偏微分方程，演化得出脑白质纤维束成像结果；步骤Sf :对所述脑白质纤维束成像结果使用感兴趣区逆配准的方法确定脑白质纤维束跟踪的初始区域，得到特定的纤维束；步骤Sg，使用个体样本的所述特定脑白质纤维束的数目进行处理分析，得到组间
处理结果。本发明采用基于黎曼流形的脑白质纤维束成像算法进行脑白质纤维束的跟踪。脑白质在扩散张量成像形成的张量场中，每个体素都可由一个对称、正定、协变的张量表示， 在此基础上将脑白质看作黎曼流形，并分别在Fick第二定律和黎曼流形下讨论扩散及各向异性，再通过Navier-Stoke方程表达扩散张量场中流体的运动,从而构造一个偏微分方程(TOE)来描述黎曼流形下两点间测地线的性质，该偏微分方程的数值解通过Level-Set 方法计算得到。(三)有益效果本发明利用整个张量来构造黎曼流形，充分利用了张量场的所有信息，并通过PDE 和Level-Set方法很好地解决了抗噪性问题，提高了鲁棒性。在纤维束跟踪过程中采用一种感兴趣区(ROI)逆配准方法跟踪不同分组的脑白质纤维束，消除了个体之间脑解剖结构的差异性，可进行纤维束数目处理上的组间处理，为不同个体或不同组之间的脑白质纤维束的准确比较提供一种可行的方法。同时，本发明为脑白质微结构的分析和可视化提供了一种有效途径，不仅有助于深入地了解脑纤维的结构，还可为纤维缺失或结构异常造成的疾病诊断提供有效的信息。
图I为本发明基于黎曼流形的脑白质纤维束跟踪的组间处理方法的流程示意图。图2是本发明实施例中使用所述基于脑白质纤维束跟踪的组间处理方法获得的各向异性分数(FA)图及有颜色编码的FA图。图3是本发明实施例中使用所述基于脑白质纤维束跟踪的组间处理方法获得的彩色FA图，黑色箭头所指的地方(蓝色)为内囊后肢。图4是本发明实施例中使用所述基于脑白质纤维束跟踪的组间处理方法获得的皮质脊髓束(CST)脑白质纤维图，A行表不一个正常人，B行表不一个中风病人。
具体实施例方式为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。参照图1，本发明涉及一种基于脑白质纤维束跟踪的组间处理方法，尤其涉及一种基于黎曼流形和Level-Set方法由扩散张量成像(DTI)跟踪出脑白质纤维束，再对纤维束的数量进行组间处理的方法，其具体实施步骤如下步骤Sa，对脑白质DTI图像数据进行配准校正，为配准校正的脑白质DTI图像建立 Fick第二定理公式；I.对脑白质DTI图像进行配准校正由于磁共振扫描过程中各种各样的噪声的影响，个体自身存在尺度和位置上的差异，非常有必要在分析数据之前对数据做一定的预处理。在整个的实验的数据获取中，主要的噪声信息来源有(I)物理头动；(2)图像内层间扫描时间差别；(3)外在磁场的不均匀性等。DTI预处理是在保留脑功能图像细节的同时，使用非共线加权方向的图像与非加权像 ^像)进行仿射配准变换预处理，并去掉一些质量不好方向的图像，提高脑功能图像的信噪比。非共线加权方向的图像与非加权像是使用传统的自旋回波-弥散张量成像技术 (SE-DTI)获取的。这里的仿射配准变换是指对各个非共线加权方向的图像进行缩放、旋转、 平移后，根据非共线加权方向的图像和非加权像间的共有特征进行几何配准。2.为配准校正的DTI图像数据建立Fick第二定理公式 布朗运动是一种无规则的运动，如水中的水分子在一直不停地做着布朗运动。但在生物体中，由于水分子在不同微环境下具有不同的渗透能力，水分子的布朗运动可能被独立的大分子、细胞内器官等抑制。生物体中的这种现象即为各向异性。这种扩散的各向异性可以通过扩散加权成像(Diffusion Weighted Imaging, DffI)来测量。如果在图像数据采集时得到6个或6个以上不同方向的DWI图像数据，就可以得到图像数据中任意一点的扩散张量D，并以3X3对称矩阵表示
^DxxA
D =DxzD其中X，y, z表示三维空间坐标的三个方向，D表示扩散张量，Dxx, Dxy, Dxz表示沿着 X轴、沿xoy平面和xoz平面方向的扩散权值。D可以通过解以下线性方程组得到
权利要求
1.一种基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在于，包括以下步骤步骤Sa:对脑白质DTI图像数据进行配准校正，在配准校正后的脑白质DTI图像数据上建立Fick第二定理公式；步骤Sb :为脑白质DTI图像数据构造黎曼流形，选取两点间测地线作为脑白质纤维束的路径，其中两点间测地线即为最小距离路径；步骤Sc :计算所述黎曼流形下的扩散算子；步骤Sd :依据所述扩散算子,构造Navier-Stoke方程表达扩散张量场中流体的运动， 从而构造一个偏微分方程来描述黎曼流形下两点间测地线的性质；步骤Se :依据Le ve I -Se t数值解方法，通过迭代计算所述偏微分方程，演化得出脑白质纤维束成像结果；步骤Sf :对所述脑白质纤维束成像结果使用感兴趣区逆配准的方法确定脑白质纤维束跟踪的初始区域，得到特定的纤维束；步骤Sg，使用个体样本的所述特定脑白质纤维束的数目进行处理分析，得到组间处理结果。
2.如权利要求I所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在于，所述DTI图像数据预处理是在保留DTI图像数据细节的同时，使非共线加权方向的图像数据与非加权BO像进行仿射配准变换预处理。
3.如权利要求I所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在于，利用Fick第二定律可知，对扩散张量图像数据进行时间上的描述，如下式所示ut- V - {DVu)其中V表示梯度，t表示时间，D表示扩散张量，u表示扩散浓度。
4.如权利要求3所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在于构造黎曼流形，选取两点间测地线(最小距离路径)作为纤维束的路径，其步骤为；A、定义测地线距离设(M，G)是一个黎曼流形，X、y分别为M上的两点，则x到y的测地线距离为M上连接X、y两点的最短测地线长度，记为d(x，y)，
5.如权利要求I所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在于，计算黎曼流形下的扩散算子；A、黎曼流形(M，G)下扩散算子为
6.如权利要求1所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在 干，步骤Sd具体包括以下步骤；A、Navier-Stoke方程可以模拟扩散及脑白质纤维束走向
7.如权利要求6所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征 在干，依据Level-Set数值解方法，通过迭代计算演化得出脑白质纤维束成像結果，其步骤 为；A、LeVel-Set函数在演化过程中始终保持为ー个函数，因此，可以在ー个时空离散的网格中表示Level-Set函数。设网格间隔为1，每个节点用(i，j，k)表示，离散化的时间用表示tn = nr, n e N, r为时间步长,节点(i, j, k)在时间tn的Level-Set函数值可以用 ui，j，k =M(Z+，·/+，々，匕)来表不。B、通过引入有限差分算子及迎风有限差分，函数P、Q可以分别在时空离散网格中表示为
8.如权利要求7所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在于，步骤Sf具体的步骤为；A、根据国际标准大脑模板EPI做一个ROI的解剖结构保存为mask。B、利用仿射变换配准方法把从标准模板生成的ROI解剖结构的mask配准到每个被试的非加权BO像上，形成新的相同解剖结构的mask。C、设定一个FA阈值，在所选ROI内大于等于此阈值的所有体素被作为跟踪的起始种子区域，利用前述的步骤Sb-Se的方法跟踪出的纤维束。D、处理出每组个体纤维束的数目。
9.如权利要求I所述的基于黎曼流形的脑白质纤维束跟踪的组间处理方法，其特征在于，步骤Sg组分析使用样本数据生成经验假设分布的方法进行处理检验。对两组纤维束数目进行双样本t检验，得到一个p'值。可比较两组数据DTI脑白质纤维束数目的差异是否显著。
全文摘要
本发明公开了一种基于黎曼流形的脑白质纤维束跟踪的组间处理方法，该方法包括以下步骤将脑白质看作黎曼流形，并分别在Fick第二定律和黎曼流形下讨论扩散及各向异性，再通过Navier-Stoke方程表达扩散张量场中流体的运动，从而构造一个偏微分方程(PDE)来描述黎曼流形下两点间测地线的性质，该偏微分方程的数值解通过水平集(Level-Set)方法计算得到。在纤维束跟踪过程中采用一种感兴趣区(ROI)逆配准方法，消除了个体之间脑解剖结构的差异性，最后进行纤维束数目的组间处理。本发明利用整个张量来构造黎曼流形，充分利用了张量场的所有信息，并通过PDE和Level-Set方法很好地解决了抗噪性问题，提高了鲁棒性。
文档编号G06T7/00GK102609946SQ20121002765
公开日2012年7月25日 申请日期2012年2月8日 优先权日2012年2月8日
发明者田捷, 白丽君, 钟崇光 申请人:中国科学院自动化研究所