磁共振弥散张量像处理与分析.pdf

摘要 磁共振弥散张量成像是磁共振功能成像的重要组成部分。利用磁共振弥散 张量成像，可以提取、描述、以及研究水分子的弥散各向异性，甚至获取组织 微结构的信息。磁共振弥散张量成像可以检测到许多临床疾病的细微病变，如 脑中风、多发性硬化、精神分裂症等等，目前日益成为一种常规的临床诊断方 式。弥散张量成像的最先进的应用是进行脑白质纤维追踪，和血氧合水平依赖 磁共振功能成像一起，开创了脑连接度研究的重要方法。 磁共振弥散张量图像处理与分析涉及多学科领域，包括数学、物理学、医 学及计算机图像处理等多学科知识，是多个学科在医学领域内的交叉。本文的 研究重点是磁共振弥散张量图像处理与分析中的几项关键技术的研究，包括弥 散张量图像脑缺血病灶区的分割、利用弥散张量图像进行纤维追踪、以及弥散 张量场的规整化研究。本文的主要贡献可以概括为以下几点： 第一、提出了一种脑缺血病灶区的自动定位、分割算法。 磁共振弥散张量成像可用于检测脑缺血病灶的位置和大小，而且还可定量 分析病灶区弥散各向异性，这是一种非常重要的临床定性定量诊断方式。但由 于脑缺血病灶区呈高信号，而且由于弥散各向异性的作用，部分脑白质组织也 呈现高信号(与施加的梯度磁场的方向相关)，因而在磁共振弥散张量原始图像 上不容易区分出病变区或是各向异性作用所致高信号。因此，临床医生常常需 要通过图像处理获得平均弥散度图像(消除了弥散各向异性)，来判断脑缺血病 灶区：由于平均弥散度图像是后处理图像，可能会漏掉一些有价值的信息，因 而最好的方法是应用原始图像数据进行分析，包括对病灶区的定位与分割。目 前国际上学者所提出的自动分割方法由于无法完全克服各向异性的干扰，临床 医生多采用手动分割。我们充分考虑了噪声、弥散各向异性、强度不均匀性和 局部容积效应的影响，提出了一种新的直接针对弥散张量原始图像的脑缺血病 灶区自动分割一基于多尺度统计分类和局部容积分类的自动分割方法。通过在 统计分类模型中加入的各向异性判定，有效的区分出正常的脑白质组织和脑缺 血病灶区。另外，考虑到强度不均匀性的影响，我们采用局部容积体素局部区 域的均值和方差来完成局部容积体素再分类过程，以克服局部容积效应和削弱 强度不均匀性影响。 第二、提出一种自适应的脑白质纤维追踪方法。 磁共振弥散张量成像提供了脑白质纤维的方向信息，可以用来进行纤维路 径追踪。通常认为纤维方向与弥散张量的主特征向量方向一致，这具有不可避 免的局限性，如容易受到噪声等的影响，在多纤维交叉、汇合、以及分叉处容 积造成错误的追踪结果。我们提出了一种自适应的脑白质纤维追踪方法～基于 最小追踪代价(MTC)模型的脑自质纤维追踪方法。纤维方向由整个弥散张量、 纤维轨迹低曲率先验知识、以及追踪惯性联合决定，而不仅仅由弥散张量的主 特征向量决定。对人工模拟数据的实验表明，MTC方法，能够较好的克服噪声、 局部容积效应的影响，并且较好的解决纤维交叉的问题。对正常人脑以及病人 的纤维追踪结果显示，MTC纤维追踪方法具有较平滑的路径，可以重建人脑白质 纤维结构，并且映射脑部疾病与主要纤维路径之间的关系。 第三、提出了一种直接针对弥散张量场去噪(又称，弥散张量场的规整化) 的新的方法。 弥散张量成像的量化测量参数容易受到噪声的影响。影响这些参数的噪声 包括随机噪声和系统噪声。我们提出一种新的针对向量的非线性各向异性滤波 方法，来进行弥散张量场的规整化。我们采用二阶向量积的形式来解决弥散张 量特征向量方向的不确定性；对于特征值排序以及利用特征值的大小来进行排 序所引入的偏差，我们采用不同体素点弥散张量的特征值特征向量对之间的相 似性计算来解决，提出自己的弥散张量相似度函数；我们提出了新的针对向量 的非线性各向异性滤波方法，来进行弥散张量场的规整化。实验结果证明该方 法可以有效的去除噪声对弥散张量场的影响，是可行的和可重用的。通过弥散 张量场归整化，可以更加精确的进行脑白质纤维追踪，更加准确的分析脑连接 度等等。 关键词：磁共振弥散张量成像、弥散各向异性、图像分割、脑白质纤维追踪、 弥散张量场归整化 lI Abstract Diffusiontensor resonance an of magnetic imagi