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

申请日：2020-03-20

公开（公告）日：2023-07-14

公开（公告）号：CN111369637B

主分类号：G06T11/00

分类号：G06T11/00

优先权：["20190808 CN 2019107293167"]

专利状态码：有效-授权

法律状态：2023.07.14#授权;2020.07.28#实质审查的生效;2020.07.03#公开

摘要：本发明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。

主权项：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：基于全局优化类的贝叶斯最优路径算法，将白质功能磁共振成像fMRI融合到弥散加权成像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；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磁共振图像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；T1w表示3D高分辨T1-weighted，b表示扩散敏感因子；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开放式数据库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；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通过纤维方向分布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；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wEe∈[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wEe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wθi；权重wθi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，VolS2N是对应于样本方向的平均体积；wθi由初始节点取得，则将权重wEv,v'定义为以下所示的平均值：wEv,v'＝12·wv→v'+wv'→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：wEv,v'＝wEv',v；步骤五，大脑白质fMRI信号建模的方法包括：对于BOLD数据集中的每个体素，构造时空相关张量以表征体素与邻域之间的时间相关性的局部分布；F是构建的空间相关张量，估计的相关系数D沿单位向量nixi,yi,zi投影得到： 其中，t表示转置操作；D＝D1,D2,...,D26t表示沿着26个方向的时间相关性的集合，FD是F重新排列后形成的列向量，则D和FD之间的关系表示为：D＝M·FD；其中M是大小为26×6的设计矩阵；M的第i行的形式为求得FD的最小二乘解：FD＝Mt·M-1·Mt·D；其中，-1表示逆矩阵；相关张量F的主特征向量表示时间相关性的主要方向；该方向是局部小邻域窗口内的神经活动传播的方向；pF是功能ODF，由吉布斯分布建模计算得到；体素X中张量F仅取决于局部主方向VFX；pF则用以下公式表示： 其中ZF是标准化常数， 方程中的势函数p随着函数方向VFX和最大张量特征值λ1之间的差异而减小；分母用张量范数进行归一化；对于各向异性张量，势能给出的概率分布集中在张量F的主特征向量的方向上；对于各向同性张量，势能函数将形成更宽的概率分布；步骤六中，融合fMRI的DWI纤维优化重建算法包括：1计算两纤维体素间的功能先验概率；2给每个路径分配一个用于表示大脑纤维路径的结构连通性的边缘权重；3通过贝叶斯定理计算每条纤维路径的结构和功能的后验连通概率；融合fMRI的DWI纤维优化重建算法进一步包括：对于DWI图像中每个节点v∈V，pFv∈[0,1]表示该节点位于路径中的功能先验概率，在执行特定脑活动时，根据功能信息形成大脑信息传递的最优路径；将G＝V,E,wE中沿边缘连接的贝叶斯模型，与表示节点功能信息的pF:V→R+相结合；边缘连接的贝叶斯模型可通过之前的节点和边e∈E的转化来构建；对于单边e＝v,v'∈E，路径的功能先验概率Pe定义为纤维束在v点处的功能概率pFv与v'点处的功能概率pFv'乘积的平方根： 给图像中每条边分配一个边缘权重wEe，用于表示大脑沿边e的结构连通性；将边缘概率wE用概率密度函数fe表征: 上式中，沿边e的连通似然值PwEe|e＝fewEe＝wEe；其中为对数似然值，wEe值越大，边长越小；通过贝叶斯定理计算沿边e的大脑结构和功能的后验连通概率：Pe|wEe∝PwEe|ePe＝wEePe；得到用于解决中最优路径问题的纤维优化重建方法；对于任意边ev,v'，有： 将中的路径πv,v'＝[v＝v1,v2...,vn＝v']的长度表示为： 对于所有的ei＝vi,vi+1，G中后验概率最大的路径即是中的最优路径；路径概率表示为： 其中，路径概率Pπv,v'|G最大的路径πv,v'就是中连接v和v'的最优路径： 其中Pπv,v'|G是后验ODFc，从DWI计算的ODFb和相关张量的ODFa计算得到，用于表示体素内的功能通路方向；定义真阳性值TP反映高概率区域中包含多少体素，进行定量比较： 其中是配准到参考空间的归一化数据集，是体素v的标量置信值，Rv是参考区域对应的权值。

全文数据：

权利要求：

百度查询： 成都信息工程大学;成都盛达仁科技有限公司 一种融合白质功能信号的DWI纤维优化重建方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD