文档介绍：脑白质纤维追踪算法研究

郑宁
2016 年 1 月
中图分类号：
UDC 分类号：

脑白质纤维追踪算法研究

作者姓名郑宁
学院名称计算机学院
指导教师张文耀
答辩委员会主席沈建冰
申请学位工学硕士
学科专业计算机科学与技术
学位授予单位北京理工大学
论文答辩日期 2016 年 1 月
Fiber Tracking for Brain White Matter

Candidate Name： Ning Zheng
School or Department: School of Computer Science
Faculty Mentor: Wenyao Zhang
Chair, Thesis Committee： Prof. Jianbing Shen
Degree Applied: Master of Engineering
Major： Computer Science and Technology
Degree by: Beijing Institute of Technology
The Date of Defence： Jan, 2016
研究成果声明
本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行
的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，
学位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
北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工
作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的
说明并表示了谢意。
特此申明。

签名：日期：
摘要
基于扩散张量成像数据的脑白质神经纤维追踪是分析大脑神经结构的重要方法，
也是脑部疾病诊断和手术规划的重要依据之一。目前，虽然已经很多脑白质纤维追踪
算法，但是由于部分容积效应和噪声的影响，脑白质纤维追踪特别是复杂纤维结构的
追踪，仍然是医学影像处理领域一个非常具有挑战性的课题。
本文在分析国内外发展现状的基础上，首先研究并实现了基于四阶 Runge-Kutta
的确定性纤维追踪算法。然后针对非确定性的概率追踪算法存在的问题和不足，结合
高阶张量（High Order Tensor，HOT）模型，提出了一种改进的概率追踪算法。与同
类方法相比，改进的概率追踪算法改善了对交叉纤维结构的追踪性能。另外，分析了
基于无损卡尔曼滤波（Unscented Kalman Filter，UKF）的纤维追踪算法，在此基础上
提出了融合 UKF 和 HOT 的 UKF-HOT 纤维追踪算法，探讨了高阶张量模型在 UKF
框架下的纤维追踪性能。模拟数据和实际数据的测试结果表明，本文提出的纤维追踪
算法在处理复杂纤维结构方面具有一