專利名稱：三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別方法，利用三維大腦磁共振圖像中大腦皮層表面和腦皮下層組織之間的神經(jīng)纖維連接模式識(shí)別大腦皮層表面標(biāo)志區(qū)域的方法，屬于醫(yī)學(xué)圖像處理領(lǐng)域、計(jì)算神經(jīng)解剖學(xué)等領(lǐng)域。
背景技術(shù)：
在三維大腦磁共振圖像中，人類大腦皮層表面主要由腦溝和腦回構(gòu)成，其解剖結(jié)構(gòu)極其復(fù)雜，在不同人之間，大腦皮層表面的腦溝和腦回的解剖幾何模式變化很大。而在腦成像和神經(jīng)科學(xué)領(lǐng)域，普遍認(rèn)為在不同個(gè)體間，具有相同功能的大腦皮層表面區(qū)域與其它的皮層表面區(qū)域或者腦組織的結(jié)構(gòu)連接是相似的。為了從三維大腦磁共振圖像中區(qū)分正常人和疾病患者，以及分析總結(jié)正常人大腦的解剖結(jié)構(gòu)變化規(guī)律，需要在大腦皮層表面識(shí)別出標(biāo)志區(qū)域，來作為量化同一個(gè)個(gè)體內(nèi)或者不同個(gè)體之間的相似性和差異性的結(jié)構(gòu)基礎(chǔ)。初級(jí)的方法是采用最主要的幾條腦溝和腦回作為大腦皮層上共有的解剖標(biāo)志區(qū)域，但是大腦腦溝和腦回的尺度太大，其本身包含許多功能不一致的子區(qū)域，因此，需要識(shí)別出具備功能意義且個(gè)體間一致的精細(xì)的大腦標(biāo)志區(qū)域。目前從三維大腦磁共振圖像中定義和識(shí)別大腦皮層標(biāo)志區(qū)域的方法有四類1) 專家根據(jù)解剖結(jié)構(gòu)憑借專業(yè)知識(shí)手工標(biāo)記，這種方法可重復(fù)性很差，并且個(gè)體之間差異很大；2)采用數(shù)據(jù)驅(qū)動(dòng)方式對(duì)三維大腦磁共振圖像數(shù)據(jù)進(jìn)行聚類，這類方法對(duì)聚類參數(shù)很敏感，而聚類的結(jié)果在神經(jīng)科學(xué)上的意義也不是很明確；3)選取一個(gè)大腦圖像作為模板，請(qǐng)專家在該大腦圖像上定義標(biāo)志區(qū)域形成標(biāo)準(zhǔn)圖譜，然后通過配準(zhǔn)該圖譜到其它大腦來獲得標(biāo)志區(qū)域，其缺點(diǎn)在于，如果不同個(gè)體的大腦之間具有顯著神經(jīng)解剖變化時(shí)，這種基于配準(zhǔn)的方法的準(zhǔn)確性下降；4)采用基于任務(wù)的功能磁共振成像來識(shí)別激活的大腦標(biāo)志區(qū)域。 這種方法被認(rèn)為是目前最準(zhǔn)確的方法，但是這種方法費(fèi)用昂貴，其精確性容易受實(shí)驗(yàn)參數(shù)的影響，且受實(shí)驗(yàn)對(duì)象健康條件的限制。以上四種大腦皮層表面標(biāo)志區(qū)域識(shí)別方法主要的缺點(diǎn)是，第一種專家標(biāo)記的方法受個(gè)人人力和知識(shí)限制，主觀性太強(qiáng)，可重復(fù)性差，而且不適用于大規(guī)模數(shù)據(jù)集的處理；第二種采用聚類的方法很大程度上依賴于算法中關(guān)鍵幾個(gè)聚類參數(shù)，不同的聚類參數(shù)得到的聚類結(jié)果不一樣，聚類得到的大腦皮層表面標(biāo)志區(qū)域的數(shù)量和中心隨著參數(shù)的變化而變化，而且聚類過程中需要根據(jù)不同的數(shù)據(jù)集調(diào)整參數(shù)；第三種基于圖譜的方法以專家提供標(biāo)志圖譜為前提，圖像配準(zhǔn)為基礎(chǔ)，如果所要標(biāo)記的大腦與模板大腦的解剖結(jié)構(gòu)差異太大時(shí)，其結(jié)果受配準(zhǔn)算法的局限，準(zhǔn)確性大大下降；第四種方法雖然可以準(zhǔn)確獲得大腦皮層的標(biāo)志區(qū)域，但是每次獲取都需要設(shè)計(jì)磁共振掃描任務(wù)對(duì)單個(gè)個(gè)體大腦進(jìn)行激活并掃描大腦進(jìn)行數(shù)據(jù)收集，激活結(jié)果對(duì)掃描過程中設(shè)置的參數(shù)很敏感，而不同的任務(wù)激活的功能區(qū)域有限，獲得的標(biāo)志區(qū)域有限且實(shí)驗(yàn)費(fèi)用高，另外，由于掃描時(shí)間很長(zhǎng)，過程復(fù)雜，掃描任務(wù)受實(shí)驗(yàn)對(duì)象的身體健康等條件的限制，例如很難通過設(shè)計(jì)功能成像任務(wù)獲得老人，孩子等對(duì)象的標(biāo)志區(qū)域。鑒于不論用何種方法，所識(shí)別的大腦皮層表面標(biāo)志區(qū)域應(yīng)該滿足兩個(gè)原則1)不同個(gè)體間相同功能的標(biāo)志區(qū)域應(yīng)該具有相似的解剖位置；2)不同個(gè)體間的標(biāo)志區(qū)域與其它皮層區(qū)域或者腦組織的結(jié)構(gòu)連接應(yīng)該相似。而在人類大腦中，普遍存在著具有相似解剖位置的皮下層組織，包括左右半腦的扁桃體、尾狀核、海馬體、蒼白球、殼核和丘腦。三維大腦磁共振圖像中，不同個(gè)體間皮下層組織的分割結(jié)果相對(duì)于大腦皮層的解剖結(jié)構(gòu)變化比較穩(wěn)定，并且現(xiàn)有的分割方法可以得到滿意的分割效果，所以利用大腦皮層表面與皮下層組織結(jié)構(gòu)的連接信息定義大腦皮層表面_皮下層組織的結(jié)構(gòu)連接模式，可以提供穩(wěn)定而可靠的信息來識(shí)別整個(gè)大腦皮層表面區(qū)域。

發(fā)明內(nèi)容
要解決的技術(shù)問題為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別方法，以識(shí)別個(gè)體間一致的涵蓋大部分大腦皮層表面功能區(qū)域的大腦皮層標(biāo)志區(qū)域。本發(fā)明的思想在于在大腦皮層表面數(shù)字圖像中，對(duì)每一個(gè)頂點(diǎn)，以該頂點(diǎn)與周圍 3個(gè)層次的相鄰頂點(diǎn)構(gòu)成的大腦皮層表面區(qū)域?yàn)樵獏^(qū)域，利用每一個(gè)大腦皮層表面元區(qū)域與皮下層組織的結(jié)構(gòu)連接信息，提出了一種基于大腦皮層表面-皮下層組織結(jié)構(gòu)連接模式的大腦皮層表面上標(biāo)志區(qū)域的分割方法，最終獲取在數(shù)據(jù)集中個(gè)體間一致性強(qiáng)的、穩(wěn)定的大腦皮層表面區(qū)域作為大腦皮層表面標(biāo)志區(qū)域。技術(shù)方案一種三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別方法，其特征在于步驟如下步驟1 利用彌散張量成像方法獲取大腦磁共振彌散張量成像DTI數(shù)據(jù)，然后利用可變形點(diǎn)陣模型腦組織提取工具去除大腦磁共振彌散張量成像DTI數(shù)據(jù)中的頭骨數(shù)據(jù)，閾值為0. 25-0. 4 ；利用流線算法從去除頭骨數(shù)據(jù)的大腦磁共振彌散張量成像數(shù)據(jù)中重建大腦白質(zhì)神經(jīng)纖維數(shù)字圖像，并利用高斯混合模型對(duì)去除頭骨之后的大腦磁共振彌散張量成像數(shù)據(jù)進(jìn)行大腦組織分割，得到大腦灰質(zhì)、大腦白質(zhì)和大腦腦脊髓液三種大腦組織表示的數(shù)字圖像數(shù)據(jù)；步驟2 利用Marching Cubes方法從步驟1所獲得的白質(zhì)數(shù)字圖像數(shù)據(jù)中，用一系列頂點(diǎn)和三角形重構(gòu)拓?fù)浣Y(jié)構(gòu)正確的大腦皮層表面數(shù)字圖像；步驟3 利用Tl加權(quán)成像方法獲取Tl加權(quán)成像的三維大腦磁共振圖像數(shù)據(jù)，然后利用可變形點(diǎn)陣模型腦組織提取工具去除Tl加權(quán)成像的大腦磁共振圖像數(shù)據(jù)中的頭骨數(shù)據(jù)，閾值為0. 3-0. 4 ；然后利用磁共振成像綜合配準(zhǔn)和分割工具FSL-FIRST從該圖像數(shù)據(jù)分割得到左右半腦各6個(gè)的皮下層組織圖像數(shù)據(jù)，并采用FSL FLIRT線性配準(zhǔn)方法將這些皮下層組織圖像數(shù)據(jù)配準(zhǔn)到大腦皮層表面數(shù)字圖像數(shù)據(jù)所在的大腦磁共振彌散張量成像DTI 數(shù)據(jù)空間；步驟4 采用在大腦白質(zhì)數(shù)字圖像和大腦皮層表面數(shù)字圖像中的所有連接大腦皮層表面和皮下層組織的大腦白質(zhì)神經(jīng)纖維，并以與其相連的皮下層組織來標(biāo)記這些大腦白質(zhì)纖維，得到與皮下層組織數(shù)目相同的12束大腦白質(zhì)神經(jīng)纖維簇；步驟5 取大腦皮層表面數(shù)字圖像中的每一個(gè)頂點(diǎn)，以該頂點(diǎn)與周圍3個(gè)層次的相鄰頂點(diǎn)構(gòu)成的表面區(qū)域?yàn)樵獏^(qū)域，然后在這個(gè)元區(qū)域內(nèi)，統(tǒng)計(jì)連接到該元區(qū)域內(nèi)的所有大腦白質(zhì)神經(jīng)纖維的皮下層組織標(biāo)記種類，選出與該元區(qū)域在同一個(gè)大腦半球的皮下層組織標(biāo)記，然后從左到右按照扁桃腺、尾狀核、海馬體、蒼白球、殼核和丘腦的固定順序排列，采用這個(gè)排列作為該元區(qū)域的大腦皮層與皮下層組織連接模式，得到大腦皮層_皮下層組織連接向量；當(dāng)有大腦白質(zhì)神經(jīng)纖維連接到其中某一個(gè)皮下層組織，則設(shè)定大腦皮層與皮下層組織連接向量的對(duì)應(yīng)位為1，如果沒有則設(shè)置為0 ；步驟6 在三維大腦磁共振圖像中整個(gè)大腦皮層表面數(shù)字圖像中重復(fù)步驟5以獲得大腦皮層表面數(shù)字圖像所有的元區(qū)域的大腦皮層與皮下層組織連接模式，然后利用連通分量檢測(cè)方法將大腦皮層表面的元區(qū)域進(jìn)行分類，將大腦皮層表面數(shù)字圖像中所有的元區(qū)域的大腦皮層_皮下層組織連接模式相同的元區(qū)域分為一類，得到對(duì)單個(gè)個(gè)體的大腦皮層表面分割；步驟7 針對(duì)一組三維大腦磁共振圖像數(shù)據(jù)重復(fù)步驟1到步驟6，獲得整組三維大腦磁共振圖像數(shù)據(jù)的大腦皮層表面分割；然后在整組數(shù)據(jù)里面選取一個(gè)大腦磁共振數(shù)據(jù)作為模板圖像數(shù)據(jù)，利用FSL FLIRT工具將其它的大腦磁共振圖像數(shù)據(jù)分別配準(zhǔn)到該模板圖像數(shù)據(jù)所在的坐標(biāo)空間，得到對(duì)應(yīng)的坐標(biāo)空間轉(zhuǎn)換矩陣，利用這些轉(zhuǎn)換矩陣將整組的三維大腦皮層表面配準(zhǔn)到模板圖像數(shù)據(jù)坐標(biāo)空間下；然后根據(jù)不同個(gè)體間相同功能的標(biāo)志區(qū)域應(yīng)該具有相似的解剖位置的大腦皮層標(biāo)志區(qū)域選取原則，在整個(gè)組的個(gè)體之間，選取大腦皮層_皮下層組織連接模式相同并且解剖位置最相近的大腦皮層元區(qū)域作為皮層標(biāo)志區(qū)域，以保證個(gè)體間的一致性。有益效果本發(fā)明提出的一種三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別方法，實(shí)現(xiàn)了基于三維大腦磁共振圖像中大腦皮層表面和皮下層組織神經(jīng)纖維結(jié)構(gòu)連接模式的大腦皮層表面分割方法，其優(yōu)越性在于1)不受專家知識(shí)的限制，可以處理大規(guī)模數(shù)據(jù)集；2)由于大腦皮層的解剖結(jié)構(gòu)變化顯著，相對(duì)于采用大腦皮層表面區(qū)域之間的結(jié)構(gòu)連接信息進(jìn)行大腦皮層標(biāo)志區(qū)域識(shí)別的方法，本發(fā)明利用相對(duì)穩(wěn)定的大腦皮層表面與皮下層組織的連接信息識(shí)別大腦皮層表面標(biāo)志區(qū)域；3)相對(duì)于只考慮大腦皮層表面與一個(gè)特定皮下層組織連接信息的方法，本發(fā)明采用6個(gè)皮下層組織(左右大腦各6個(gè))來定義大腦皮層表面與皮下層組織的結(jié)構(gòu)連接模式，連接模式更豐富，可以識(shí)別更多的大腦皮層區(qū)域作為大腦皮層表面的標(biāo)志區(qū)域；4)對(duì)不同個(gè)體之間的大腦溝回的神經(jīng)解剖變化不敏感；5)相對(duì)于基于任務(wù)的功能磁共振圖像標(biāo)志區(qū)域的獲取方法，本發(fā)明僅僅需要彌散張量成像數(shù)據(jù)即可獲得可靠的大腦皮層表面標(biāo)志區(qū)域，所需時(shí)間短，費(fèi)用低。


圖1 三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別流程圖；圖2 :8個(gè)腦個(gè)體的三維大腦磁共振圖像的12個(gè)皮下層組織的分割結(jié)果，右側(cè)是皮下層組織名稱和顏色對(duì)應(yīng)表；圖3 三維大腦磁共振圖像中右側(cè)大腦皮層表面數(shù)字圖像、6個(gè)皮下層組織以及連接二者的神經(jīng)纖維的聯(lián)合視圖；圖4 8個(gè)腦個(gè)體的三維大腦磁共振圖像中大腦皮層表面與右腦皮下層組織相連的神經(jīng)纖維所構(gòu)成的連接模式可視化；圖5 隨機(jī)選取的三維大腦磁共振圖像中三個(gè)皮層區(qū)域以及其所對(duì)應(yīng)的大腦皮層表面與皮下層組織的連接模式示意圖；連接模式的6個(gè)位分別對(duì)應(yīng)于與該大腦皮層表面區(qū)域在同一個(gè)半腦的6個(gè)皮下層組織，1意思是該大腦皮層表面區(qū)域與皮下層組織存在神經(jīng)纖維連接，0代表沒有連接；圖6 —個(gè)三維大腦磁共振圖像中大腦皮層表面標(biāo)志區(qū)域識(shí)別的例子；(a)是一個(gè)大腦皮層表面與皮下層組織連接模式的10個(gè)個(gè)體的分類結(jié)果，(b)是根據(jù)個(gè)體間一致性提取的穩(wěn)定的大腦皮層表面標(biāo)志區(qū)域。由黃色箭頭突出顯示，不同的顏色代表不同的大腦皮層表面區(qū)域；
具體實(shí)施例方式現(xiàn)結(jié)合實(shí)施例、附圖對(duì)本發(fā)明作進(jìn)一步描述本發(fā)明整個(gè)流程可以參考附圖1，具體的實(shí)施步驟如下1.數(shù)據(jù)預(yù)處理利用彌散張量成像方法獲取大腦磁共振彌散張量成像DTI數(shù)據(jù)，然后利用可變形點(diǎn)陣模型腦組織提取工具去除大腦磁共振彌散張量成像DTI數(shù)據(jù)中的頭骨數(shù)據(jù)，閾值為 0. 3 ；利用流線算法從去除頭骨數(shù)據(jù)的大腦磁共振彌散張量成像數(shù)據(jù)中重建大腦白質(zhì)神經(jīng)纖維數(shù)字圖像，并利用高斯混合模型對(duì)去除頭骨之后的大腦磁共振彌散張量成像數(shù)據(jù)進(jìn)行大腦組織分割，得到大腦灰質(zhì)、大腦白質(zhì)和大腦腦脊髓液三種大腦組織表示的數(shù)字圖像數(shù)據(jù)；利用Marching Cubes方法從上述所獲得的白質(zhì)數(shù)字圖像數(shù)據(jù)中，用一系列頂點(diǎn)和三角形重構(gòu)拓?fù)浣Y(jié)構(gòu)正確的大腦皮層表面數(shù)字圖像；利用Tl加權(quán)成像方法獲取Tl加權(quán)成像的三維大腦磁共振圖像數(shù)據(jù)，利用可變形點(diǎn)陣模型腦組織提取工具去除Tl加權(quán)成像的大腦磁共振圖像數(shù)據(jù)中的頭骨數(shù)據(jù)，閾值為0. 3-0. 4 ；然后利用磁共振成像綜合配準(zhǔn)和分割工具FSL-FIRST從該圖像數(shù)據(jù)分割得到左右半腦各6個(gè)的皮下層組織圖像數(shù)據(jù)，并采用 FSL FLIRT線性配準(zhǔn)方法將這些皮下層組織圖像數(shù)據(jù)配準(zhǔn)到大腦皮層表面數(shù)字圖像數(shù)據(jù)所在的大腦磁共振彌散張量成像DTI數(shù)據(jù)空間；圖2中為8個(gè)腦個(gè)體的皮下層組織分割實(shí)例， 由圖可見，分割結(jié)果在不同個(gè)體間的一致性較理想。2.定義大腦皮層表面與皮下層組織連接模式采用在大腦白質(zhì)數(shù)字圖像和大腦皮層表面數(shù)字圖像中的所有連接大腦皮層表面和皮下層組織的大腦白質(zhì)神經(jīng)纖維，并以與其相連的皮下層組織來標(biāo)記這些大腦白質(zhì)纖維，得到與皮下層組織數(shù)目相同的12束大腦白質(zhì)神經(jīng)纖維簇；圖3是穿過右半腦6個(gè)皮下層組織的6簇白質(zhì)神經(jīng)纖維與大腦皮層表面數(shù)字圖像的聯(lián)合可視化。圖5顯示了 8個(gè)個(gè)體的大腦皮層表面與皮下層組織相連的神經(jīng)纖維簇的分布情況，可以看出在同一個(gè)大腦的不同大腦皮層表面區(qū)域所包含的與皮下層組織相連的纖維簇類別具有明顯的差異，但是不同個(gè)體之間相對(duì)應(yīng)的大腦皮層表面區(qū)域，與皮下層組織相連的大腦白質(zhì)神經(jīng)纖維簇類別分布則非常相似，例如紅色箭頭標(biāo)出的大腦皮層表面區(qū)域，因此，在大腦皮層表面數(shù)字圖像中，利用這些纖維簇的皮下層區(qū)域標(biāo)記信息，可以定義大腦皮層表面與皮下層組織的連接模式，然后利用大腦皮層表面與皮下層的連接模式信息來分割大腦皮層表面區(qū)域，最終獲得可靠的皮層結(jié)構(gòu)標(biāo)志區(qū)域。取大腦皮層表面數(shù)字圖像中的每一個(gè)頂點(diǎn)，以該頂點(diǎn)與周圍3個(gè)層次的相鄰頂點(diǎn)構(gòu)成的表面區(qū)域?yàn)樵獏^(qū)域，然后在這個(gè)元區(qū)域內(nèi)，統(tǒng)計(jì)連接到該元區(qū)域內(nèi)的所有大腦白質(zhì)神經(jīng)纖維的皮下層組織標(biāo)記種類，選出與該元區(qū)域在同一個(gè)大腦半球的皮下層組織標(biāo)記， 然后從左到右按照扁桃腺、尾狀核、海馬體、蒼白球、殼核和丘腦的固定順序排列，采用這個(gè)排列作為該元區(qū)域的大腦皮層與皮下層組織連接模式，得到大腦皮層_皮下層組織連接向量；當(dāng)有大腦白質(zhì)神經(jīng)纖維連接到其中某一個(gè)皮下層組織，則設(shè)定大腦皮層與皮下層組織連接向量的對(duì)應(yīng)位為1，如果沒有則設(shè)置為O ；見表1所示，圖5是三個(gè)皮層元區(qū)域及其大腦皮層_皮下層連接模式的例子。3.大腦皮層表面分割在整個(gè)大腦皮層表面數(shù)字圖像中重復(fù)步驟2以獲得大腦皮層表面所有的元區(qū)域的大腦皮層_皮下層組織連接模式，然后利用連通分量檢測(cè)方法將皮層表面的元區(qū)域進(jìn)行分類，將大腦皮層表面數(shù)字圖像中上所有的元區(qū)域的大腦皮層_皮下層組織連接模式相同的元區(qū)域分為一類，實(shí)現(xiàn)對(duì)單個(gè)個(gè)體的大腦皮層表面分割；圖6a顯示了某一個(gè)連接模式的 8個(gè)大腦的皮層表面分割結(jié)果。4.大腦皮層表面標(biāo)志區(qū)域識(shí)別重復(fù)步驟1到步驟3，獲得一組三維大腦磁共振圖像數(shù)據(jù)的大腦皮層表面分割；然后在這一組數(shù)據(jù)里面選取一個(gè)大腦磁共振數(shù)據(jù)作為模板圖像數(shù)據(jù)，利用FSL FLIRT工具將其它的大腦磁共振圖像數(shù)據(jù)分別配準(zhǔn)到該模板圖像數(shù)據(jù)所在的坐標(biāo)空間，得到對(duì)應(yīng)的坐標(biāo)空間轉(zhuǎn)換矩陣，利用這些轉(zhuǎn)換矩陣將整個(gè)組的三維大腦皮層表面配準(zhǔn)到模板圖像數(shù)據(jù)坐標(biāo)空間下；然后根據(jù)不同個(gè)體間相同功能的標(biāo)志區(qū)域應(yīng)該具有相似的解剖位置的大腦皮層標(biāo)志區(qū)域選取原則，在整個(gè)組的個(gè)體之間，選取大腦皮層-皮下層組織連接模式相同并且解剖位置最相近的大腦皮層元區(qū)域作為皮層標(biāo)志區(qū)域，以保證個(gè)體間的一致性。圖6b為通過個(gè)體間一致性提取的穩(wěn)定的大腦皮層表面標(biāo)志區(qū)域。表1為通過本發(fā)明在一組數(shù)據(jù)中得到的大腦皮層表面標(biāo)志區(qū)域
皮下層區(qū)域扁桃腺尾狀核海馬體蒼白球殼核丘腦有連接111111無連接000000.大腦皮層表面元區(qū)域與皮下層組織結(jié)構(gòu)連接模式的定義1代表該大腦皮層表面元區(qū)域與皮下層組織有神經(jīng)纖維連接，0代表沒有連接。
權(quán)利要求
1. 一種三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別方法，其特征在于步驟如下步驟1 利用彌散張量成像方法獲取大腦磁共振彌散張量成像DTI數(shù)據(jù)，然后利用可變形點(diǎn)陣模型腦組織提取工具去除大腦磁共振彌散張量成像DTI數(shù)據(jù)中的頭骨數(shù)據(jù)，閾值為 0. 25-0. 4 ；利用流線算法從去除頭骨數(shù)據(jù)的大腦磁共振彌散張量成像數(shù)據(jù)中重建大腦白質(zhì)神經(jīng)纖維數(shù)字圖像，并利用高斯混合模型對(duì)去除頭骨之后的大腦磁共振彌散張量成像數(shù)據(jù)進(jìn)行大腦組織分割，得到大腦灰質(zhì)、大腦白質(zhì)和大腦腦脊髓液三種大腦組織表示的數(shù)字圖像數(shù)據(jù)；步驟2 利用Marching Cubes方法從步驟1所獲得的白質(zhì)數(shù)字圖像數(shù)據(jù)中，用一系列頂點(diǎn)和三角形重構(gòu)拓?fù)浣Y(jié)構(gòu)正確的大腦皮層表面數(shù)字圖像；步驟3 利用Tl加權(quán)成像方法獲取Tl加權(quán)成像的三維大腦磁共振圖像數(shù)據(jù)，然后利用可變形點(diǎn)陣模型腦組織提取工具去除Tl加權(quán)成像的大腦磁共振圖像數(shù)據(jù)中的頭骨數(shù)據(jù)， 閾值為0. 3-0. 4 ；然后利用磁共振成像綜合配準(zhǔn)和分割工具FSL-FIRST從該圖像數(shù)據(jù)分割得到左右半腦各6個(gè)的皮下層組織圖像數(shù)據(jù)，并采用FSL FLIRT線性配準(zhǔn)方法將這些皮下層組織圖像數(shù)據(jù)配準(zhǔn)到大腦皮層表面數(shù)字圖像數(shù)據(jù)所在的大腦磁共振彌散張量成像DTI 數(shù)據(jù)空間；步驟4 采用在大腦白質(zhì)數(shù)字圖像和大腦皮層表面數(shù)字圖像中的所有連接大腦皮層表面和皮下層組織的大腦白質(zhì)神經(jīng)纖維，并以與其相連的皮下層組織來標(biāo)記這些大腦白質(zhì)纖維，得到與皮下層組織數(shù)目相同的12束大腦白質(zhì)神經(jīng)纖維簇；步驟5 取大腦皮層表面數(shù)字圖像中的每一個(gè)頂點(diǎn)，以該頂點(diǎn)與周圍3個(gè)層次的相鄰頂點(diǎn)構(gòu)成的表面區(qū)域?yàn)樵獏^(qū)域，然后在這個(gè)元區(qū)域內(nèi)，統(tǒng)計(jì)連接到該元區(qū)域內(nèi)的所有大腦白質(zhì)神經(jīng)纖維的皮下層組織標(biāo)記種類，選出與該元區(qū)域在同一個(gè)大腦半球的皮下層組織標(biāo)記，然后從左到右按照扁桃腺、尾狀核、海馬體、蒼白球、殼核和丘腦的固定順序排列，采用這個(gè)排列作為該元區(qū)域的大腦皮層與皮下層組織連接模式，得到大腦皮層_皮下層組織連接向量；當(dāng)有大腦白質(zhì)神經(jīng)纖維連接到其中某一個(gè)皮下層組織，則設(shè)定大腦皮層與皮下層組織連接向量的對(duì)應(yīng)位為1，如果沒有則設(shè)置為0 ；步驟6 在三維大腦磁共振圖像中整個(gè)大腦皮層表面數(shù)字圖像中重復(fù)步驟5以獲得大腦皮層表面數(shù)字圖像所有的元區(qū)域的大腦皮層與皮下層組織連接模式，然后利用連通分量檢測(cè)方法將大腦皮層表面的元區(qū)域進(jìn)行分類，將大腦皮層表面數(shù)字圖像中所有的元區(qū)域的大腦皮層_皮下層組織連接模式相同的元區(qū)域分為一類，得到對(duì)單個(gè)個(gè)體的大腦皮層表面分割；步驟7 針對(duì)一組三維大腦磁共振圖像數(shù)據(jù)重復(fù)步驟1到步驟6，獲得整組三維大腦磁共振圖像數(shù)據(jù)的大腦皮層表面分割；然后在整組數(shù)據(jù)里面選取一個(gè)大腦磁共振數(shù)據(jù)作為模板圖像數(shù)據(jù)，利用FSL FLIRT工具將其它的大腦磁共振圖像數(shù)據(jù)分別配準(zhǔn)到該模板圖像數(shù)據(jù)所在的坐標(biāo)空間，得到對(duì)應(yīng)的坐標(biāo)空間轉(zhuǎn)換矩陣，利用這些轉(zhuǎn)換矩陣將整組的三維大腦皮層表面配準(zhǔn)到模板圖像數(shù)據(jù)坐標(biāo)空間下；然后根據(jù)不同個(gè)體間相同功能的標(biāo)志區(qū)域應(yīng)該具有相似的解剖位置的大腦皮層標(biāo)志區(qū)域選取原則，在整個(gè)組的個(gè)體之間，選取大腦皮層_皮下層組織連接模式相同并且解剖位置最相近的大腦皮層元區(qū)域作為皮層標(biāo)志區(qū)域， 以保證個(gè)體間的一致性。
全文摘要
本發(fā)明涉及一種三維大腦磁共振圖像的大腦皮層表面標(biāo)志區(qū)域識(shí)別方法，其特征在于利用皮層表面與皮下層組織的結(jié)構(gòu)連接信息來定義大腦皮層表面與皮下層組織的結(jié)構(gòu)連接模式，通過對(duì)該連接模式的分類，實(shí)現(xiàn)對(duì)單個(gè)個(gè)體大腦皮層表面區(qū)域的分割，然后提取個(gè)體間穩(wěn)定且一致性強(qiáng)的大腦皮層表面區(qū)域作為大腦皮層表面標(biāo)志區(qū)域。相對(duì)于其他方法，本發(fā)明利用了個(gè)體間穩(wěn)定和一致性很強(qiáng)的大腦皮層表面與皮下層組織的連接模式來識(shí)別大腦皮層表面標(biāo)志區(qū)域，所得到的大腦皮層表面標(biāo)志區(qū)域更穩(wěn)定和更一致。
文檔編號(hào)G06T7/00GK102332054SQ20111024656
公開日2012年1月25日 申請(qǐng)日期2011年8月25日 優(yōu)先權(quán)日2011年8月25日
發(fā)明者劉天明, 張德剛, 胡新韜, 郭雷 申請(qǐng)人:西北工業(yè)大學(xué)