專利名稱：一種擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種大腦白質(zhì)纖維聚類的方法，利用人類大腦的擴(kuò)散張量成像(DTI)數(shù)據(jù)和靜息態(tài)功能核磁共振(rsfMRI)數(shù)據(jù)進(jìn)行聚類，從而使得聚類后的纖維束具有功能意義，屬于圖像處理領(lǐng)域。
背景技術(shù)：
大腦白質(zhì)纖維聚類是進(jìn)行基于纖維束的白質(zhì)定性分析的關(guān)鍵一步。其中白質(zhì)纖維通過擴(kuò)散張量成像經(jīng)處理產(chǎn)生，為了從擴(kuò)散張量成像中得到有意義的、可以進(jìn)行人與人之間比較的信息，從擴(kuò)散張量成像得到的大量的白質(zhì)纖維軌跡需要被分割為有意義的纖維束(需要特別說明的是，由于白質(zhì)纖維是通過DTI數(shù)據(jù)經(jīng)處理產(chǎn)生，所以這里的白質(zhì)纖維實(shí)際上和生物學(xué)上的纖維有所區(qū)別，可能是幾條生物學(xué)上的白質(zhì)纖維組成了一條DTI得到的白質(zhì)纖維軌跡，遵從醫(yī)學(xué)圖像領(lǐng)域內(nèi)的多數(shù)表達(dá)，以下我們用“白質(zhì)纖維”來簡單代替大腦白質(zhì)纖維軌跡)。近些年來研究學(xué)者已經(jīng)提出了白質(zhì)纖維聚類的方法。這些方法的不同之處在于白質(zhì)纖維之間相似性測(cè)度的定義，可以分為兩類測(cè)度:基于幾何特征的測(cè)度和基于圖譜的測(cè)度。基于幾何特征的測(cè)度選取白質(zhì)纖維的形狀、位置等特征來衡量白質(zhì)纖維之間的差別，例如有的用一個(gè)三維的五次B樣條來表達(dá)白質(zhì)纖維，有的用最近平均距離來同時(shí)表征白質(zhì)纖維的形狀和位置信息。這些方法缺乏有力的醫(yī)學(xué)依據(jù)，在對(duì)通過胼胝體的具有相似形狀的白質(zhì)纖維進(jìn)行分類時(shí)，顯得無能為力?；趫D譜的方法以解剖學(xué)圖譜為基礎(chǔ)，認(rèn)為同一束白質(zhì)纖維連接相同(或經(jīng)過)相同的圖譜標(biāo)簽。例如，有的以分割的大腦皮層表面為依據(jù)，將白質(zhì)纖維按其終端連接的表面區(qū)域標(biāo)簽的不同來分類，有的以整個(gè)白質(zhì)灰質(zhì)的分割圖譜為依據(jù)，認(rèn)為解剖學(xué)上的同一束白質(zhì)纖維應(yīng)經(jīng)過同樣的圖譜標(biāo)簽序列。這類方法具有解剖學(xué)上的意義，但其分類結(jié)果太依賴于待測(cè)數(shù)據(jù)的腦解剖結(jié)構(gòu)標(biāo)記，而個(gè)體大腦圖像的解剖結(jié)構(gòu)的精確標(biāo)記尚未有效解決。雖然這兩種方法有其各自的優(yōu)點(diǎn)，但其分類結(jié)果在大腦功能上的意義無法得到解釋。

發(fā)明內(nèi)容
為了克服現(xiàn)有方法的不足之處，本發(fā)明提出一種以靜息態(tài)功能核磁共振成像(rsfMRI)為導(dǎo)向的白質(zhì)纖維聚類方法，從而使得分類的結(jié)果具有功能上的意義。本發(fā)明的基本思想是:以rsfMRI數(shù)據(jù)引導(dǎo)白質(zhì)纖維的分類。rsfMRI被認(rèn)為是一種有效的探究大腦功能活動(dòng)的成像模態(tài)，大量研究表明，從DTI數(shù)據(jù)推斷的結(jié)構(gòu)連接與從rsfMRI數(shù)據(jù)推斷的功能連接是緊密相關(guān)的。受此啟發(fā)，本發(fā)明應(yīng)用白質(zhì)纖維之間的功能相關(guān)性來指導(dǎo)白質(zhì)纖維聚類。首先我們提取出一條白質(zhì)纖維兩個(gè)端點(diǎn)所對(duì)應(yīng)的灰質(zhì)體素的rsfMRI信號(hào)，然后以此為根據(jù)計(jì)算各白質(zhì)纖維之間的功能活動(dòng)相似性，最后應(yīng)用數(shù)據(jù)驅(qū)動(dòng)的仿射傳播affinity propagation (AP)聚類算法把白質(zhì)纖維聚類為白質(zhì)纖維束。本發(fā)明的技術(shù)步驟如下:
步驟1，對(duì)原始的rsfMRI數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括:頭骨去除，運(yùn)動(dòng)糾正，空間平滑，切片時(shí)間糾正，全局漂移去除，0.0lHf0.1Hz帶通濾波；步驟2，對(duì)原始的DTI數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括:頭骨去除，運(yùn)動(dòng)糾正，渦流糾正；步驟3，對(duì)于步驟I中預(yù)處理后的rsfMRI數(shù)據(jù)進(jìn)行配準(zhǔn)，配準(zhǔn)到DTI空間；步驟4:對(duì)步驟2中預(yù)處理后的DTI數(shù)據(jù)進(jìn)行纖維追蹤；步驟5，對(duì)步驟2中預(yù)處理后的DTI數(shù)據(jù)提取其中的第一個(gè)三維圖像，即BO圖，對(duì)BO圖進(jìn)行腦組織分割，分為灰質(zhì)、白質(zhì)和腦脊液；步驟6，從DTI得到的白質(zhì)纖維中，對(duì)于不能到達(dá)灰質(zhì)或者超出了灰質(zhì)表面的白質(zhì)纖維，進(jìn)行纖維投影，將所述白質(zhì)纖維的端點(diǎn)投影至灰質(zhì)，投影方法包括以下步驟:1)對(duì)于終點(diǎn)不能到達(dá)灰質(zhì)的白質(zhì)纖維，過白質(zhì)纖維的終點(diǎn)沿著白質(zhì)纖維的切線方向向前搜索直至達(dá)到灰質(zhì)；2)對(duì)于終點(diǎn)超出了灰質(zhì)表面的白質(zhì)纖維，從白質(zhì)纖維的終點(diǎn)沿纖維倒退搜索直至灰質(zhì)；3)重復(fù)步驟I)和2) 3、遍，若白質(zhì)纖維仍不能到達(dá)灰質(zhì)表面，將這種纖維作為異常的纖維剔除掉；步驟7，對(duì)白質(zhì)纖維之間的功能相似性進(jìn)行計(jì)算，經(jīng)過纖維投影后的每一條白質(zhì)纖維，用其兩端灰質(zhì)體素的功能信號(hào)來表示，各條白質(zhì)纖維之間的相似性通過計(jì)算各條纖維兩端灰質(zhì)體素的功能信號(hào)的皮爾森相關(guān)系數(shù)獲得，并由此得到一個(gè)n*n的相似性矩陣，矩陣的每一個(gè)元素 Cij=0.5* (max (Ciaja, Ciajb) +max (Cibja, Cibjb)為白質(zhì)纖維的條數(shù)，其中Cia> Cia#分別表示第i條纖維的一端和第j條纖維的兩端的rsfMRI信號(hào)的皮爾森相關(guān)系數(shù)，CiWa，Cibjb分別表示第i條纖維的另一端和第j條纖維的兩端的rsfMRI信號(hào)的皮爾森相關(guān)系數(shù)；步驟8，對(duì)于步驟7所得的相似性矩陣，采用仿射傳播聚類算法進(jìn)行聚類。所述的步驟I中使用SPM軟件完成預(yù)處理，所述的步驟2中使用FSL軟件完成預(yù)處理，所述的步驟3中使用FSL軟件的FLIRT工具完成配準(zhǔn)，所述的步驟4中使用MEDINRIA完成纖維追蹤，所述的步驟5中使用FSL的FAST工具完成腦組織分割。本發(fā)明的有益效果在于將白質(zhì)纖維分為功能意義上的纖維束，從而為以后的基于纖維束的定量分析做準(zhǔn)備。相對(duì)于根據(jù)幾何特征來聚類的方法，本發(fā)明聚類得到的纖維束本身具有功能上的獨(dú)立性，而根據(jù)幾何特征聚類后得到的纖維束，不能從功能上得到更合理的解釋。相對(duì)于基于圖譜的方法，不依賴于圖譜的準(zhǔn)確性，不需要復(fù)雜的配準(zhǔn)。


圖1是本發(fā)明方法的基本流程圖。圖2是纖維投影示意圖；圖中，四種纖維用曲線①②③④表示，(a)是白質(zhì)纖維投影之前的纖維的示意圖；(b)是白質(zhì)纖維做投影之后的示意圖。圖3是纖維間的相似性計(jì)算的示意圖。(a)是兩條白質(zhì)纖維，疊加在重構(gòu)的皮層表面(灰色)上；(b)是圖(a)中黑色方框區(qū)域經(jīng)放大的結(jié)果，兩條纖維的四個(gè)端點(diǎn)被標(biāo)記出來；(C)是圖(b)中四個(gè)端點(diǎn)的功能信號(hào)的皮爾森相關(guān)系數(shù)的計(jì)算示意圖。圖4是聚類后的胼胝體纖維束的示意圖，(a) (b) (c) (d) (e) (f) (g)分別代表7個(gè)實(shí)驗(yàn)對(duì)象聚類后的纖維束、每一纖維束的類中心和配準(zhǔn)到第一個(gè)大腦上之后16個(gè)纖維對(duì)應(yīng)的類中心纖維，不同大腦對(duì)應(yīng)的類中心具有相同的灰度值。
具體實(shí)施例方式本發(fā)明主要步驟為:步驟I，對(duì)原始的rsfMRI數(shù)據(jù)使用SPM軟件進(jìn)行預(yù)處理。步驟2，對(duì)原始的DTI數(shù)據(jù)使用FSL軟件做預(yù)處理。步驟3，使用FSL軟件的FLIRT工具對(duì)預(yù)處理后的rsfMRI數(shù)據(jù)進(jìn)行配準(zhǔn)，配準(zhǔn)到DTI空間。步驟4:對(duì)步驟2中預(yù)處理后的DTI數(shù)據(jù)使用MEDINRIA軟件進(jìn)行纖維追蹤。步驟5，對(duì)步驟2中預(yù)處理后的DTI數(shù)據(jù)提取其中的BO圖，使用FSL的FAST工具對(duì)BO圖進(jìn)行腦組織分割，分為灰質(zhì)、白質(zhì)和腦脊液。步驟6,由于從DTI得到白質(zhì)纖維有大約50%不能到達(dá)灰質(zhì)或者超出了灰質(zhì)表面，對(duì)于這些不能到達(dá)灰質(zhì)或者超出了灰質(zhì)表面的白質(zhì)纖維，需要進(jìn)行纖維投影，將這些不能到達(dá)灰質(zhì)或者超出了灰質(zhì)表面的白質(zhì)纖維的端點(diǎn)投影至灰質(zhì)區(qū)域。白質(zhì)纖維的投影分為三種情況:I)對(duì)于終點(diǎn)不能到達(dá)灰質(zhì)的白質(zhì)纖維，過白質(zhì)纖維的終點(diǎn)沿著白質(zhì)纖維的切線方向向前搜索直至達(dá)到灰質(zhì)；2)對(duì)于終點(diǎn)超出了灰質(zhì)表面的白質(zhì)纖維，從白質(zhì)纖維的終點(diǎn)沿纖維倒退搜索直至灰質(zhì)；3)重復(fù)步驟I)和2) 3、遍，若白質(zhì)纖維仍不能到達(dá)灰質(zhì)表面，將這種纖維作為異常的纖維剔除掉；步驟7，對(duì)白質(zhì)纖維之間的功能相似性進(jìn)行計(jì)算，經(jīng)過纖維投影后，90%的纖維都能投影到灰質(zhì)層以內(nèi)，每條纖維用它兩端灰質(zhì)體素的功能信號(hào)來表示，纖維之間的相似性通過計(jì)算纖維兩端灰質(zhì)體素的功能信號(hào)的皮爾森相關(guān)系數(shù)獲得，并由此得到相似性矩陣。步驟8，對(duì)于纖維之間的相似性矩陣，采用仿射傳播聚類算法進(jìn)行聚類。現(xiàn)結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述:根據(jù)本發(fā)明提出的一種腦白質(zhì)纖維叢聚的方法，我們用matlab語言實(shí)現(xiàn)了一個(gè)原型系統(tǒng)。算法開發(fā)及測(cè)試數(shù)據(jù)挑選了 7個(gè)志愿者，經(jīng)美國佐治亞大學(xué)生物影像研究中心的3T GE Signa MRI系統(tǒng)掃描，進(jìn)行DTI和rsfMRI成像。DTI成像參數(shù)為，TR=15.5s，TE=89.5ms,大小為128*128*60像素，空間分辨率為rsfMRI成像參數(shù)為TR=5s, TE=25ms，大小為 128*128*60*100 像素，空間分辨率為本發(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.對(duì)于初始 rsfMRI 數(shù)據(jù)利用 SPM (http://www.fil.1on.ucl.ac.uk/spm)來完成軟件預(yù)處理。對(duì)于初始rsfMRI數(shù)據(jù)的預(yù)處理包括:頭骨去除，運(yùn)動(dòng)糾正，空間平滑，切片時(shí)間糾正，全局漂移去除，帶通濾波(0.0 IHf0.1Hz )。2.對(duì)于初始 DTI 數(shù)據(jù)利用 FSL (http://fsl.fmrib.0x.ac.uk/fsl/fslwiki/)軟件來完成預(yù)處理，對(duì)于初始DTI數(shù)據(jù)的預(yù)處理包括:頭骨去除，運(yùn)動(dòng)糾正，渦流糾正。3.線性配準(zhǔn)使用FSL軟件的FLIRT工具將預(yù)處理后的rsfMRI數(shù)據(jù)進(jìn)行配準(zhǔn)，配準(zhǔn)到DTI圖像空間。4.纖維追蹤使用MEDINRIA (http://www-sop.1nria.fr/asclepios/software/MedINRIA/)軟件來完成預(yù)處理后DTI數(shù)據(jù)的纖維追蹤，參數(shù)設(shè)置為:FA閾值為0.2;最小纖維長度為20mmo5.組織分割將預(yù)處理后的DTI數(shù)據(jù)提取其中的BO圖，使用FSL的FAST工具進(jìn)行腦組織分割，分為灰質(zhì)、白質(zhì)和腦脊液。6.纖維投影進(jìn)行纖維投影，是將那些不能到達(dá)或者超出灰質(zhì)范圍的纖維軌跡的端點(diǎn)投影到灰質(zhì)上。此算法需要結(jié)合組織分割圖，由于從DTI得到白質(zhì)纖維有大約50%不能到到達(dá)灰質(zhì)或者超出了灰質(zhì)表面，對(duì)于這些白質(zhì)纖維，需要進(jìn)行纖維投影，將其端點(diǎn)投影至灰質(zhì)區(qū)域。如果纖維的終點(diǎn)本來就已經(jīng)落在組織分割圖的灰質(zhì)范圍，那么無需做任何處理。白質(zhì)纖維的投影分為三種情況，I)對(duì)于終點(diǎn)不能到達(dá)灰質(zhì)的白質(zhì)纖維，過白質(zhì)纖維的終點(diǎn)沿著白質(zhì)纖維的切線方向向前搜索直至達(dá)到灰質(zhì)；2)對(duì)于終點(diǎn)超出了灰質(zhì)表面的白質(zhì)纖維，從白質(zhì)纖維的終點(diǎn)沿纖維倒退搜索直至灰質(zhì)；3)重復(fù)步驟I)和2)3、遍，若白質(zhì)纖維仍不能到達(dá)灰質(zhì)表面，將這種纖維作為異常的纖維剔除掉。搜索是一個(gè)迭代的過程，當(dāng)在當(dāng)前種子點(diǎn)的I圈鄰域至少發(fā)現(xiàn)一個(gè)灰質(zhì)體素時(shí)，或迭代的次數(shù)3、次之后都不能獲得穩(wěn)定的結(jié)果，搜索結(jié)束。投影前和投影后如附圖2所示?？梢钥闯龃蠹s有90%的纖維最終都可以投影到灰質(zhì)表面上。7.纖維間相似性的計(jì)算:纖維之間的相似性計(jì)算，見附圖3C=0.5* (max (C13, C14) +max (C23, C24)) 公式 I其中C13=PsCor (V1, v3)，C14PsCor (V1, V4),C23=PsCor (v2, v3), C24PsCor (v2, v4)典型的情況是，如果兩個(gè)纖維軌跡在空間上很靠近，那么相關(guān)系數(shù)C13和C24是比較高的，但相關(guān)系數(shù)C23和C14可能比較低。事實(shí)上，我們不知道一個(gè)端點(diǎn)是纖維的開始點(diǎn)還是結(jié)束點(diǎn)，因此，公式I就演化為下面的四種情況:
權(quán)利要求
1.種擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法，其特征在于包括下述步驟: 步驟1，對(duì)原始的rsfMRI數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括:頭骨去除，運(yùn)動(dòng)糾正，空間平滑，切片時(shí)間糾正，全局漂移去除，0.0lHf0.1Hz帶通濾波； 步驟2，對(duì)原始的DTI數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括:頭骨去除，運(yùn)動(dòng)糾正，渦流糾正； 步驟3，對(duì)于步驟I中預(yù)處理后的rsfMRI數(shù)據(jù)進(jìn)行配準(zhǔn)，配準(zhǔn)到DTI空間； 步驟4:對(duì)步驟2中預(yù)處理后的DTI數(shù)據(jù)進(jìn)行纖維追蹤； 步驟5，對(duì)步驟2中預(yù)處理后的DTI數(shù)據(jù)提取其中的第一個(gè)三維圖像，即BO圖，對(duì)BO圖進(jìn)行腦組織分割，分為灰質(zhì)、白質(zhì)和腦脊液； 步驟6，從DTI得到的白質(zhì)纖維中，對(duì)于不能到達(dá)灰質(zhì)或者超出了灰質(zhì)表面的白質(zhì)纖維，進(jìn)行纖維投影，將所述白質(zhì)纖維的端點(diǎn)投影至灰質(zhì)，投影方法包括以下步驟:1)對(duì)于終點(diǎn)不能到達(dá)灰質(zhì)的白質(zhì)纖維，過白質(zhì)纖維的終點(diǎn)沿著白質(zhì)纖維的切線方向向前搜索直至達(dá)到灰質(zhì)；2)對(duì)于終點(diǎn)超出了灰質(zhì)表面的白質(zhì)纖維，從白質(zhì)纖維的終點(diǎn)沿纖維倒退搜索直至灰質(zhì)；3)重復(fù)步驟I) 和2) 3、遍，若白質(zhì)纖維仍不能到達(dá)灰質(zhì)表面，將這種纖維作為異常的纖維剔除掉； 步驟7，對(duì)白質(zhì)纖維之間的功能相似性進(jìn)行計(jì)算，經(jīng)過纖維投影后的每一條白質(zhì)纖維，用其兩端灰質(zhì)體素的功能信號(hào)來表示，各條白質(zhì)纖維之間的相似性通過計(jì)算各條纖維兩端灰質(zhì)體素的功能信號(hào)的皮爾森相關(guān)系數(shù)獲得，并由此得到一個(gè)n*n的相似性矩陣，矩陣的每一個(gè)元素 Cij=0.5* (max (Ciaja, CiaJb) +max (Cibja, Cibjb)), I 彡 i 彡 n, I 彡 j 彡 n, n 為白質(zhì)纖維的條數(shù)，其中Cia> Ciajb分別表示第i條纖維的一端和第j條纖維的兩端的rsfMRI信號(hào)的皮爾森相關(guān)系數(shù)，CiWa，Cibjb分別表示第i條纖維的另一端和第j條纖維的兩端的rsfMRI信號(hào)的皮爾森相關(guān)系數(shù)； 步驟8，對(duì)于步驟7所得的相似性矩陣，采用仿射傳播聚類算法進(jìn)行聚類。
2.據(jù)權(quán)利要求1所述的擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法，其特征在于:所述的步驟I中使用SPM軟件完成預(yù)處理。
3.據(jù)權(quán)利要求1所述的擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法，其特征在于:所述的步驟2中使用FSL軟件完成預(yù)處理。
4.據(jù)權(quán)利要求1所述的擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法，其特征在于:所述的步驟3中使用FSL軟件的FLIRT工具完成配準(zhǔn)。
5.據(jù)權(quán)利要求1所述的擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法，其特征在于:所述的步驟4中使用MEDINRIA完成纖維追蹤。
6.據(jù)權(quán)利要求1所述的擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法，其特征在于:所述的步驟5中使用FSL的FAST工具完成腦組織分割。
全文摘要
本發(fā)明提供了一種擴(kuò)散張量成像大腦白質(zhì)纖維聚類方法，對(duì)原始的rsfMRI數(shù)據(jù)和DTI數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理后的rsfMRI數(shù)據(jù)配準(zhǔn)到DTI空間，將預(yù)處理后的DTI數(shù)據(jù)分別進(jìn)行纖維追蹤和腦組織分割，并將DTI得到的白質(zhì)纖維中不能到達(dá)灰質(zhì)或者超出了灰質(zhì)表面的白質(zhì)纖維，進(jìn)行纖維投影，再對(duì)白質(zhì)纖維之間的功能相似性進(jìn)行計(jì)算，得到一個(gè)相似性矩陣，采用仿射傳播聚類算法進(jìn)行聚類。本發(fā)明得到的纖維束本身具有功能上的獨(dú)立性，不依賴于圖譜的準(zhǔn)確性，不需要復(fù)雜的配準(zhǔn)。
文檔編號(hào)G06T7/00GK103093455SQ20121056330
公開日2013年5月8日 申請(qǐng)日期2012年12月21日 優(yōu)先權(quán)日2012年12月21日
發(fā)明者郭雷, 葛寶, 胡新韜, 劉天明 申請(qǐng)人:西北工業(yè)大學(xué)