[发明专利]一种基于群优化的脑白质纤维跟踪方法

说明书

技术领域

本发明涉及一种脑白质纤维跟踪方法。

背景技术

扩散张量成像(DTI)是测量人脑中白质纤维走向的一种临床技术，而白质纤维跟踪方法是通过追踪局部张量走向来估测纤维的可能路径。这些被估测出来的纤维路径，可以随后应用于绘制人脑神经纤维束结构，为纤维缺失或结构异常引起的疾病诊断提供了有效的信息。

在传统纤维跟踪过程中遇到的问题之一就是纤维走向的不确定性。噪声，纤维的分支、交叉及合并，头部运动和图像原始数据等等都是引起估测纤维多样性的因素。因此，为了量化以及形象地表达出估测纤维的不确定性，随机跟踪方法随即被提出。与传统的跟踪方法相比，随机方法利用纤维走向分布的一个概率密度函数(PDF)，在扩散张量数据的每一个体素中，将随机性模型化，然后对从PDF中随机采样的方向进行跟踪。

现有的随机方法存在的缺陷：计算复杂、跟踪精度较低、可靠性较差。

发明内容

为了克服已有现有脑白质纤维跟踪方法的计算复杂、跟踪精度较低、可靠性较差的不足，本发明提供一种简化计算、提升跟踪精度、可靠性良好的基于群优化的脑白质纤维跟踪方法。

本发明解决其技术问题所采用的技术方案是：

一种基于群优化的脑白质纤维跟踪方法，所述跟踪方法包括以下步骤：

(1)基于全局优化的概率纤维跟踪过程：

给定一条脑白质纤维路径c：[x₀，x_n]→Ω，其中，是一个密集的图像区域，x₀是纤维路径的起始点，x_n是纤维路径的中止点；

一条脑白质纤维路径看作是图像空间内的一些离散点的路径，即P_1:n＝{x₀，x₁，L，x_n}，假定所有向量的步长相同，即α_i＝α，i＝1，L，n；在离散时间内的路径写成一个递归式：

x_i+1＝x_i+αv_i，i＝0，1，L，n-1  (2)

其中，v_i是位置x_i上的纤维方向；

x_i+1＝x_i+αv_i，i＝0，1，L，n-1；

A为兴趣部位的起始区域，而B为兴趣部分的目标区域，则从A到B的一条纤维路径的总值为：

H(c(x0∈A→xn∈B))=αΣi=0np(vi|vi-1,Φ)---(6)]]>

把跟踪纤维路径问题转化为估计概率最大值问题，即