[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

说明书

一种基于大样本数据驱动的颅神经纤维自动分割方法，使用FreeSurfer工具进行脑区分割，应用基于球面反卷积(SD_STREAM)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，在多样本配准和聚类方法得到的颅神经纤维图谱基础上，对样本数据映射配准得到目标颅神经纤维束。相比较常用的手动绘制ROI和剔除错误纤维的方法，本发明排除人为操作引入的的主观性，同时保证纤维束成像确定性，减小数据误差，能够为颅神经纤维分割提供高效、精确、稳定、可重复的方法。

技术领域

本发明涉及计算机图形学下的医学成像、神经解剖学领域，尤其是一种基于纤维图谱的颅神经自动分割方法。

背景技术

颅神经是人体12对从脑内发出的左右成对的神经，掌管嗅觉、视物、眼球运动等重要功能。12对颅神经中除嗅、舌下神经外，其余10对神经均有较大可能受损。颅神经的损伤会造成头面部皮肤及舌、口、鼻腔粘膜的一般感觉丧失、患侧咀嚼肌的运动障碍、角膜反射消失等症状。在颅神经的治疗过程中，纤维成像技术被用于弥补临床检查在病理过程的诊断上的不足。目前常被用于颅神经纤维成像的方法为弥散张量成像(DTI)。DTI是核磁共振成像(MRI)的特殊形式，可以依据水分子移动方向制图表现出白质纤维束。同时也有高角分辨扩散成像(HARDI)技术，如Q球成像技术(QBI)，约束球面反卷积(CSD)和扩散谱成像(DSI)，弥补DTI在角度分辨率上的限制。

传统的颅神经纤维成像的过程中，在纤维跟踪之前需要具有解剖知识的专业人员在每个样本磁共振图像中画出感兴趣区域(ROI)，即颅神经存在的脑结构组织。将此ROI作为种子点，使用纤维跟踪算法如概率性跟踪、确定性跟踪对样本进行纤维跟踪，跟踪的纤维结果又需要专业人员根据解剖知识手动剔除不属于颅神经的纤维束，从而得到单独的颅神经纤维束。由上可知，以往的颅神经纤维成像过程中，由于大量操作需要人工完成，引入了较多不确定因素，这些因素如：对ROI的评判标准，对软件的熟悉程度等都会对结果造成很大影响，增大了成像结果的不稳定性。

纤维图谱指的是基于解剖学的大脑白质图谱，它由大样本数据得到，可以实现不同人群之间一致的白质分割。纤维图谱具有可重复利用的特点，纤维图谱建立后单个数据都可以应用此纤维图谱来得到相对应的聚类标签，能很好的避免医学工作者手画ROI以及手动剔除纤维这类重复性操作。在颅神经纤维成像中加入基于大样本数据驱动的自动分割不但能够排除人为因素的干扰同时也减少了大量复杂的人工操作。在提高颅神经成像的结果准确性和减少资源投入上具有重要意义。

发明内容

现有成像技术过多的依赖于医学工作者的操作，且具有很强的主观性，同时不能保证每次勾画的ROI准确无误，容易造成纤维束成像不确定性和数据误差。为了克服以上不足，本发明结合纤维图谱，提出一种基于大样本数据的颅神经自动分割方法。

本发明解决其技术问题所采用的技术方案是：

一种基于大样本数据驱动的颅神经自动分割方法，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，避免一些潜在的伪像；

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