[发明专利]一种基于扩散张量成像的脑部特征提取方法

权利要求书

1.一种基于扩散张量成像的脑部特征提取方法，其特征在于：所述方法包括以下步骤：

1)，采用基于三维谐振子的重构与估计模型：

该模型采用多壳q空间中水分子扩散方向数据的映射的方法，简称SHORE模型；首先q 空间磁共振衰减信号在三维量子力学谐振子问题中扩展为正交基，也就是通过三维扩展方案 来表示一维的q空间数据；而衰减信号的傅里叶反变换得到能够提供连接信息的平均传播算 子；

2)，计算两个基于SHORE模型的标量映射：

计算基于SHORE模型下的均方位移和零位移概率，均方位移简称MSD，指的是表示在 t时刻水分子距离初始位置的距离，即水分子随机运动在空间范围内的度量，零位移概率简称 rtop，所述标量映射是通过水分子在一定时间内最低限度扩散的概率密度；

3)，数据的可视化显示：

通过调用Matplotlib二维图像数据显示工具来呈现SHORE模型通过映射后的图像；所述 Matplotlib是一个二维绘图库并且能够应用于python脚本。

2.如权利要求1所述的一种基于扩散张量成像的脑部特征提取方法，其特征在于：所述步骤 3)中，调用Matplotlib中对应功能的类。

3.如权利要求1或2所述的一种基于扩散张量成像的脑部特征提取方法，其特征在于：所述步骤 1)中，建立基于SHORE模型包括以下步骤：

首先读取数据，建立模型：

E(q)＝S(q)/S₀(1)

E(q)为q空间磁共振衰减信号,S(q)为扩散信号强度，而S₀未加扩散梯度的脉冲，q为 时一个实验控制参数：

q＝(2π)^-1γδG(2)

γ为磁旋比，δ为扩散梯度脉冲的持续时间，G代表扩散梯度向量；q空间磁共振衰减信 号正交基基础下在三维量子力学谐振子问题中扩展：

E(q)=Σn=0NmaxΣl=0LΣm=-llcnlmΦnlm(u,q)---(3)]]>

其中，c_nlm为变换系数，Φ_nlm(u,q)为基函数，n为Φ_nlm(u,q)的径向阶，l球面谐波函数的 阶次，L为l的最大值，N为n的最大值：

Φnlm(u,q)=[2(n-l)!ζ3/2Γ(n+3/2)]1/2(q2ζ)l/2×exp(-q22ζ)Ln-ll+1/2(q2ζ)Ylm(u)---(4)]]>

u表示每个体素常数的估计数据，ζ是一个比例系数，Γ为Gamma函数，是广义 拉盖尔多项式，是球面谐波函数，m为角度。