[发明专利]一种基于大样本数据驱动的颅神经自动分割方法

权利要求书

1.一种基于大样本数据驱动的颅神经纤维自动分割方法，其特征在于：所述方法包括以下步骤：

步骤一，数据预处理；

每个DTI数据都经过去噪，涡流和运动矫正；

步骤二，脑组织分割；

使用FreeSurfer工具中的recon-all命令，完成FreeSurfer皮质重建的部分或全部过程，在开始前，将结构图像存入具有层次的目录中，在文件下打开终端，输入：tcsh；输入相关参数，指定DICOM序列中的一片，为subject起名，并指定subject存放的文件夹，分割完成后在指定文件夹得到分割结果并将其转换为nii文件；

步骤三，纤维跟踪

应用基于球面反卷积的确定性跟踪方法对原始DTI数据进行脑干和小脑部分的纤维跟踪，该方法以球谐函数SH为基础表示的纤维方向分布FOD图像作为输入，在每个流线步骤中，对局部FOD进行采样，并且从当前流线切线方向，对球体进行牛顿优化，以便定位最近的FOD振幅峰值的方向，将脑干和小脑作为种子点在全脑范围进行纤维跟踪；

步骤四，纤维配准映射

图谱的创建和纤维束统计的测量，都需要通过配准将多个数据集映射到一个公共坐标系，进行纤维束成像的初始对准或标准化，应用无偏的多样本仿射和基于B样条的纤维束成像配准方法，B样条模型用于实现非刚性分组配准以改善空间对应质量；

所述的步骤四中，纤维配准映射包含以下步骤：

4.1，多样本配准；

在生成纤维图谱时进行多样本配准，基于成对纤维轨迹距离，以多尺度的方式进行基于熵的配准，首先进行仿射变换，再进行非刚性b样条变换，同时对准来自多个样本的纤维；将输入的可变长度纤维轨迹转换为固定长度的表示，通过端点、中点和两个中间点表示每个纤维；从每个样本的纤维束成像中随机取样50000条纤维进行纤维束配准，映射参数受到约束，给定初始步长，当最终步长低于设置的阈值时确定收敛；

4.2，三叉神经纤维束图谱聚类；

在特征空间中，所有纤维通过相似度矩阵计算特征向量，并表示为特征空间中的点，纤维附近的点对应于纤维轨迹，在组纤维配准之后，每条纤维被转换为特征空间中的点，进行聚类自动生成纤维图谱，特征空间根据纤维之间的相似性表示纤维束，来自每个样本成像的每根纤维被分配到特征空间中最接近的纤维图谱簇，若该纤维相似度相对于平均纤维相似度超过2个标准偏差，则判定该纤维为异常纤维，从图谱中移除；

图谱聚类过程分两次分类，1):定位颅神经维束，基于脑干和小脑作为种子点跟踪得到的纤维束种类很多，为了快速精确地标注出颅神经，首先对纤维数据进行第一次分类定位到颅神经纤维束，第一次聚类结果通过大脑解剖结构对比确认聚类结果中包含颅神经纤维的类别；2):二次分类，包含颅神经纤维的纤维束除了颅神经纤维束，还包含其他神经纤维束，通过对该类的纤维束单独二次聚类可以得到颅神经纤维束；

4.3，新样本配准映射；

纤维图谱建立完成后，用于新的样本自动分割纤维束成像，每个新纤维样本被表示在最初进行聚类的特征空间中，然后根据最近的聚类质心分配聚类标签，首先，分割脑组织得到每组数据的脑干和小脑部分作为种子点在全脑范围进行确定性跟踪，其次将每组纤维数据与第一次分类的图谱进行配准映射，最后提取对应类纤维束映射到第二次分类的图谱，得到新样本的颅神经纤维束。