文档介绍：基于 DTI 的脑白质神经纤维跟踪技术及其
应用
White Matter Fiber Tracking and
Application in Diffusion Tensor Imaging
学科专业:计算机应用技术
研究生:米博会
指导教师:孙济洲教授
天津大学计算机科学与技术学院
二零零八年五月
独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的
研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表
或撰写过的研究成果,也不包含为获得天津大学或其他教育机构的学位或证
书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中
作了明确的说明并表示了谢意。
学位论文作者签名: 签字日期: 年月日
学位论文版权使用授权书
本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。
特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检
索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校
向国家有关部门或机构送交论文的复印件和磁盘。
(保密的学位论文在解密后适用本授权说明)
学位论文作者签名: 导师签名:
签字日期: 年月日签字日期: 年月日
摘要
扩散张量成像(DTI)是在磁共振成像(MRI)基础上发展起来的一种新的
无创性成像方法。它利用大脑水分子扩散运动的各向异性进行成像,能够反映活
体组织的空间组成信息及病理状态下各组织之间水分子交换状况。利用 DTI 数
据对脑白质内的神经纤维进行三维重建是当前磁共振扩散成像领域内的一个研
究热点,也是目前在活体上重建脑白质内神经纤维的唯一方法。
首先,本文通过分析目前主要的基于张量域的算法及算法存在的问题,基于
多分辨率的思想,提出了一种基于部分各向异性(Fractional Anisotropy,FA)可
变步长的向量选择纤维跟踪算法。该算法利用泰勒展开式的二阶导数进行体素内
插值,并采用可变迭代步长,较好的解决了部分体积效应,提高了算法速度,并
且保留了纤维细节信息。
其次,针对基于全局能量最小化的快速行进(Fast Marching,FM)的算法
存在较多假性阳支,纤维走向不明显等问题,本文提出了一种拓扑保持的快速行
进算法。在演化过程中加入拓扑保持模型,并将曲率引入到速度函数,将弯曲能
量加入在全局能量范围内,避免了原有的快速行进算法使用局部相似性作为唯一
测度的问题。拓扑保持的 FM 算法能够更好的控制曲面演化过程,重建结果减少
了假性阳支,具有较好的拓扑结构,能够很好的描述纤维走向,并且对于噪音有
较好的鲁棒性。
最后,本文将纤维跟踪算法应用到脑肿瘤病理诊断和治疗中。通过体绘制技
术,将同一病人的 DTI 和 MRI 图像融合,融合的结果能够显示脑白质纤维束因
占位效应或者病变所导致的位置异常,显示肿瘤瘤体与纤维束关系,提高 DTI
在研究和临床应用方面的效用。
关键词: 扩散张量成像纤维跟踪向量选择拓扑保持的快速行进法体绘制
ABSTRACT
Diffusion Tensor Imaging (DTI) is one noninvasive imaging modality based on
ic Resonance Imaging (MRI). By detecting the diffusion anisotropy of water
in cerebrum, DTI can reveal the information of the structure of the tissues and the
exchanges of water molecules with each tissue in pathology. One of the important
applications in ic resonance diffusion imaging is to reconstruct neural fibers in
the brain white matter with the diffusion tensor imaging data, and it is the unique way
to reconstruct neural fibers in vivo.
First, this paper analyzes the