高分辨率擴散加權磁共振成像球面反卷積算法研究.pdf

1、利用擴散加權磁共振成像重構腦白質神經(jīng)纖維是目前活體顯示腦功能區(qū)神經(jīng)纖維走向的重要方法。對于腦認知功能、腦外科手術導航、精神類疾病的研究具有重要的意義。擴散張量成像是目前常用的纖維重構方法，但是其本質局限是不能解決體素內存在多于一條纖維的情況。于是，多種多纖維重建方法被提出以解決交叉纖維的重構問題。其中，球面反卷積模型是解決多纖維交叉較有效的方法。提高球面反卷積模型的纖維交叉識別角度分辨率是目前研究的熱點和難點。
　　為了提高基于離

2、散纖維方向密度函數(shù)的和連續(xù)纖維方向密度函數(shù)的球面反卷積多纖維重建算法的纖維交叉識別角度分辨率，改善算法的準確性、魯棒性及計算效率，本項目主要工作如下:
　　首先，針對反卷積模型中的信號響應函數(shù)提出了一種簡潔的形式和估計算法。在介紹反卷積算法原理的基礎上，通過對信號響應函數(shù)的偏差影響實驗得到信號響應函對反卷積重建的纖維方向密度函數(shù)影響的規(guī)律，并進而通過實驗獲得擴散加權磁共振信號參數(shù)對反卷積重建的纖維方向密度函數(shù)的影響結果。實驗結果表

3、明了本文提出的簡潔形式的信號響應函數(shù)的有效性。
　　其次，針對角度分辨率比較高但存在離散誤差缺點的基于離散纖維方向密度函數(shù)的球面反卷積算法，提出了一種擬合處理的方法。該方法采用離散纖維方向密度函數(shù)建立球面反卷積模型，然后采用球諧函數(shù)擬合離散化的纖維方向密度函數(shù)值以補償離散誤差。實驗結果表明，該算法在相同精度的情況下比增加采樣點的方法效率提高了13倍多，比基于連續(xù)纖維方向密度函數(shù)的球面反卷積算法具有更高的角度分辨率。
　　最后