[发明专利]基于自适应扩散基函数分解的组织纤维束结构信息提取方法

说明书

技术领域

本发明涉及组织纤维束结构信息提取方法，属于磁共振扩散成像数据处理领域。

背景技术

磁共振扩散成像是目前唯一能够在活体上测量组织内水分子扩散运动与成像的方法，它通过测量和量化组织中水分子的扩散信息来探测组织的微观结构。水分子沿不同方向的扩散信息包含在一组不同扩散加权梯度方向的扩散加权图像(DWI)中，可以通过对扩散函数进行建模从而重建出这些信息。纤维束的结构信息主要是指体素内纤维束的走行方向，扩散函数所表达的主扩散方向指示了组织纤维束的走行方向。根据各体素内纤维束的走行方向，利用纤维束追踪技术可重建出组织纤维束的三维结构，可用于医疗诊断及相关研究等。

最早对扩散函数进行建模是采用一个二阶笛卡尔张量，这种方法被称为扩散张量成像(DTI)，是目前使用最多的方法。它将扩散函数建模为：D(g)＝g^TDg，其中g是扩散加权磁场梯度方向向量；D是二阶张量，它可以通过一系列的DWI图像计算得到。这种方法虽然简单、稳定，但是在包含纤维束交叉、分叉等方向不一致的区域，这种方法将得到不正确的结果。

为了克服DTI方法的不足，已经提出了许多方法。其中高斯混合模型(GMM)被引入用来描述纤维束交叉情况。GMM法将扩散函数建模为有限个高斯函数的加权求和：

E(qk,τ)=Σj=1Nfjexp(qkTDjqkτ)]]>

其中，E(q_k)是扩散梯度波矢q_k方向的归一化扩散信号，q_k＝γδg_k，γ是磁旋比，δ是扩散梯度磁场持续时间，g_k是第k个扩散梯度方向，τ是有效扩散时间，D是扩散张量，f_j是对应于扩散张量D_j的加权系数，N是高斯函数的个数。

GMM模型虽然能够很好的解释两束或两束以前纤维情况下的扩散现象，但是它不能有效的拟合扩散加权信号。主要存在三点问题：1、这种方法需要较多不同扩散加权梯度方向的扩散加权图像(通常方向数大于60)，这将导致成像时间较长。2、这种方法存在模型选择问题，即必须选择拟合单高斯模型还是拟合高斯混合模型，或者同时拟合两种然后选择能够更好的解释扩散加权信号的一个。3、在超过两个以上纤维束的情况下(即N＞2)不能得到稳定解。

扩散基函数(DBF)法是基于GMM方法的一种新方法，与GMM法相比具有如下优点：1、需要不同扩散梯度方向的扩散加权图像数量少；2、不存在模型选择问题；3、对于多于两束纤维的情况能够得到稳定解。它是通过构造一组离散的扩散基函数，并用这组基函数的加权求和来表示扩散加权信号，通过求解加权系数得到扩散函数的表达，进而得到纤维束结构信息。然而在这种方法中扩散基函数的构造是使用一组离散的具有固定特征值的张量，由于组织的不同区域的水分子扩散特性差异，使用固定特征值的张量构造扩散基函数将降低准确性。

发明内容

本发明的目的是为了更精确的从获取的磁共振扩散加权数据中提取组织的纤维结构信息，而提供了基于自适应扩散基函数分解的组织纤维束结构信息提取方法。

本发明基于自适应扩散基函数分解的组织纤维束结构信息提取方法，实现该方法的步骤如下：

一、构造一组自适应特征值的张量基函数；

二、用构造出的张量基函数的线性组合表示扩散加权信号，然后列出采用张量基函数的线性组合表示的扩散加权信号与实际测得的扩散加权信号之间的误差的最小化目标函数；