[发明专利]一种基于空间路径相似性的脑纤维聚类方法

说明书

一种基于空间路径相似性的脑纤维聚类方法，包括以下步骤：1)、导入纤维数据，跟踪出纤维路径，并计算每根纤维的相似性；2)、由于纤维数据的多样性，有部分组织的纤维比较分散，纤维数量也较少，又有一部分组织的纤维相对比较密集，纤维数量非常多；根据纤维数据的大小，分别使用两种不同的纤维聚类方法：DPC(NGK)纤维聚类方法与DPC(GK)纤维聚类方法；3)将聚类后的纤维数据映射到相应的颜色空间，进行颜色编码与可视化展示；从而达到可以明显地区分出不同类别纤维的效果。

技术领域

本发明涉及脑神经纤维的研究，是一种基于空间路径相似性的脑纤维聚类方法。

背景技术

水分子弥散是核磁共振技术的基础，DWI、DTI与HARDI无创检测技术均以水分子弥散扩散为基础发展而来。通过核磁共振技术，人们已经可以跟踪出脑白质纤维的走向。DTI是最常用的一种检测大脑白质结构的核磁共振技术，但其模型受到Gaussian假设的限制，不能解决多纤维交叉的问题。HARDI技术将水分子位移过程描述为混合高斯模型，通过计算各个成分的弥散张量的特征方向与特征值，来弥补DTI技术的缺陷。能够更好地描述纤维的方向。

以上核磁共振技术已经迅速成为对脑白质结构进行研究的基础性方法，脑白质纤维的是医学可视化领域的热门话题。通过对纤维的跟踪，人们已经可以获得脑部的千万根纤维，然而这些纤维错综复杂，相互存在遮挡，人们无法通过肉眼直接观测到脑纤维的组织结构。由于纤维的复杂性，人们无法对纤维轨迹进行很好的可视与分析，如何对大量纤维轨迹进行聚类与渲染依然是非常重要的问题。

纤维聚类为提升对脑纤维的感知提供了可能，同时能够对人类大脑中生理结构相似的纤维进行归类，从而更好地展示纤维束之间的空间关系。合理的纤维聚类方式可以在很大程度上消除不同类别纤维之间的干扰，更好地描述纤维束的走向，从而帮助人们理解相互混合纤维的空间联系，展示出不同纤维束之间的连接关系。

发明内容

本发明要克服现有技术的对脑纤维聚类方式不当、难以消除不同类别纤维之间的干扰、展示纤维束的走向的缺点，提供一种基于空间路径相似性的脑纤维聚类方法。

本发明所述的一种基于空间路径相似性的脑纤维聚类方法，包括以下步骤：

1)、导入纤维数据，跟踪出纤维路径，并计算每根纤维的相似性；

2)、由于纤维数据的多样性，有部分组织的纤维比较分散，纤维数量也较少，又有一部分组织的纤维相对比较密集，纤维数量非常多。根据纤维数据的大小，分别使用两种不同的纤维聚类方法：DPC(NGK)纤维聚类方法与DPC(GK)纤维聚类方法。

2.1)针对简单的纤维数据，纤维数据量较少，采用DPC(NGK)纤维聚类方法：根据密度峰值点快速搜索聚类算法，即DPC算法,设定相应的密度阈值与半径，通过纤维密度决策图选取纤维的聚类中心，对纤维进行聚类，路径相似的纤维聚类成一类。

2.2)针对复杂的纤维数据，纤维数量较多，采用DPC(GK)纤维聚类方法：由于纤维相对比较密集，数量也较大，初始半径对纤维聚类的影响较大，为了减少初始半径对数据的影响，根据高斯核指数计算样本密度，对算法进行优化，同时引入纤维γ值排序图来选取纤维的聚类中心，对纤维进行聚类。

3)将聚类后的纤维数据映射到相应的颜色空间，进行颜色编码与可视化展示。从而达到可以明显地区分出不同类别纤维的效果。

作为优选的一种方案：所述的步骤2.1)包括以下步骤：

Step11设定半径d_c，我们取半径为1.5％，即若两条纤维相似度位于总纤维相似度表的前1.5％，则认为这两条纤维相似，将被聚在同一个集群中。

Step12计算每条脑神经纤维的密度ρ_i，其公式为：