基于球面反卷积稀疏成像的脑白质纤维跟踪算法研究

《基于球面反卷积稀疏成像的脑白质纤维跟踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江工业大学硕士学位论文基于球面反卷积稀疏成像的脑白质纤维跟踪算法研究作者姓名：李志娟指导教师：冯远静教授浙江工业大学信息工程学院2014年4月DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterWhiteMatterFiberTrackingAlgorithmBasedonSparseSphericalDeconvolutionImagingCandidate：LiZhijuanAdvisor：Prof．FengYuanjingCollegeofInformationEngineeringZh

2、ejiangUniversityofTechnologyApr2014浙江工业大学学位论文原创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。作者签名：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学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文

3、被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口，在年解密后适用本授权书。2、不保密吼(请在以上相应方框内打“、／”)作者签名：剪毛场．刷磴轹二妫同期：刃／吵年巧月7乡日日期：缈，月多同浙江工业大学硕士学位论文基于球面反卷积稀疏成像的脑白质纤维跟踪算法研究摘要21世纪以来，人脑连接网络的构建一直是国际上前沿的研究课题，而脑网络构建过程中最关键的两个技术就是白质纤维成像和纤维跟踪。基于扩散加权磁共振成像的脑白质纤维跟踪技术是目前活体显示脑神经微结构信息的重要手段，该技术

4、为神经生理学的研究、各类神经疾病的诊断以及人脑连接网络的构建等方面提供了新的思路。由于常用的扩散张量成像技术难以描述复杂的纤维微结构，各种高角度分辨率磁共振成像技术逐渐成为近年的研究热点。其中，球面反卷积方法是目前解决复杂纤维结构较精确的方法，但其面临数据采集时问冗长、运算量大、纤维重构分辨率低等缺点。针对球面反卷积问题的特点，结合纤维方向分布的非负性与稀疏性，本文提出基于压缩感知理论的球面反卷积稀疏成像理论与方法，实现一种多阶段迭代反卷积算法，提高成像精度的同时也缩短了成像时问。并在此基础上实施纤维跟踪算法。本文的具体工作和成果如下：1．针对现有球面反卷积模型无法稳定、高效的估计小角度

5、纤维交叉结构的问题，本文提出了一种加权稀疏表示的纤维方向估计方法。该方法首先建立球面反卷积纤维方向估计模型，研究沿纤维方向的稀疏表示方法，进而在球面反卷积框架建立带稀疏性约束的，1范数优化模型，最后给出了该优化模型的非负约束的迭代反卷积求解过程。模拟数据、合成数据和实际数据实验的测试结果表明，本文提出的成像模型具有较高的识别精度，同时成像速度也得到大大提升。2．针对现有的纤维跟踪技术跟踪效率低、难以达到临床应用的问题，本文在球面反卷积稀疏模型的基础上，研究了比较有代表性的两类脑白质纤维跟踪算法，即流线型跟踪法与贝叶斯概率跟踪法，并通过合成数据实验和实际数据实验进行测试比较。测试结果表明，

6、在本文提出的模型的基础上实施纤维跟踪算法，可以获得更加准确的脑白质纤维重建结果。此外，贝叶斯概率跟踪法的跟踪精度要高于流线型跟踪法，而计算简单程度又不及流线型跟踪法。本文针对现有白质纤维成像技术和纤维跟踪技术存在的问题进行讨论，，i二提出了相应的改进方法。从实验结果来看，木文提出的球面反卷积稀疏成像方法能人人提升成像精度浙江工业大学硕士学位论文与速度，基于该方法的纤维跟踪技术也较传统方法更加准确和有效。目前确定性跟踪方法得到了较广泛的临床应用，而概率性跟踪方法处理时问长，缺乏临床验证。因此在今后的工作中，兼顾高准确性与高处理速度的实时性跟踪算法将成为研究的主流，随着研究的不断深入，有望让

7、纤维跟踪技术在临床应用和病理特异性研究等方面发挥更大的作用。关键词：球面反卷积，压缩感知，稀疏性，纤维跟踪浙江工业大学硕士学位论文WHITEMATTERFIBERTRACKINGALGoRITHMBASEDoNSPARSESPHERICALDECONVoLUTIONIMAGINGABSTRACTSincethe21stcentury,theconstructionofthehumanbrainconnectionnetworkhas