[发明专利]一种利用纵向信息增强全局重建婴儿大脑神经图像方法

说明书

本发明公开了一种利用纵向信息增强全局重建婴儿大脑神经图像方法，包括图像预处理模块、图像配准模块和神经图像纵向全局重建模块；所述图像预处理模块用于提高图像的质量，去除不需要的干扰信号，原始数据预处理需要依次经过三个步骤：移动校正、灰度非均匀校正、去头壳运算；所述图像预处理模块处理的数据通过图像配准模块进行配准，配准后的数据通过神经图像纵向全局重建模块进行数据重建，本发明涉及核磁共振图像处理技术领域；该利用纵向信息增强全局重建婴儿大脑神经图像方法，通过图像预处理模块、图像配准模块和神经图像纵向全局重建模块的配合使用，为及早发现婴儿大脑神经发育异常提供一种重要的依据，实用性强，易于推广使用。

技术领域

本发明涉及核磁共振图像(MRI)处理技术领域，具体为一种利用纵向信息增强全局重建婴儿大脑神经图像方法。

背景技术

青少年中常见的自闭症(Autism)、注意力缺陷多动障碍症(ADHD)一般是被认为脑神经发育相关的心理疾病，目前公认最有效的方法是早期干预，通过重建大脑神经图像是婴儿大脑疾病早期筛查的一种重要的途径。但是婴儿大脑的磁共振数据图像信噪比(SNR)比较低，噪声会影响到神经图像重建的质量，从而影响医生的判断。本发明利用婴儿早期的大脑MRI纵向数据(Longitudinal data)，极大地提升了神经图像的重建质量。

DW-MRI是唯一能够提供非入侵式(non-invasively)研究活体人脑结构的技术，从DW-MRI数据中可以重建出各个脑区部分的神经连接，广泛应用于研究人脑的发育、病变、手术导航。神经图像的重建技术包括两种：局部和全局重建。局部重建的技术是根据局部纤维段的方向，逐步把它们连接起来形成一根纤维，局部重建技术的优点是速度快，缺点是即使是小的纤维段方向错误也会累积，从而会影响到最终纤维的走向；全局重建的技术是同时考虑所有的纤维段的配置，看是它否符合DW-MRI的数据，它的缺点是重建的时间长，优点是鲁棒性好，与给定的DW-MRI数据匹配得更好。

人脑神经纤维的全局重建过程是给定数据D，不断地优化神经连接模型M的过程，用概率表示就是使得后验概率P(M/D)最大。根据贝叶斯定理P(M/D)∝P(M)P(D/M)，即后验概率P(M/D)由模型P(M)和给定模型下的条件概率P(D/M)决定(因为分母P(D)是一个常数)；对于婴儿大脑DW-MRI数据而言，由于信噪比低，直接重建神经图像效果很差，不能反映脑区部分真实的连接，从而失去了研究脑部发育和临床应用的价值。

发明内容

针对现有技术的不足，本发明提出了一种利用纵向信息增强全局重建婴儿大脑神经图像方法，比如，我们需要重建一位12个月的婴儿的大脑神经图像，可以借助其第2周、3个月、6个月和9个月的数据更精确地计算给定模型下的条件概率P(D/M)，P(D/M)借助物理的概念也被称为势能。

为实现以上目的，本发明通过以下技术方案予以实现：一种利用纵向信息增强全局重建婴儿大脑神经图像方法，包括图像预处理模块、图像配准模块和神经图像纵向全局重建模块；所述图像预处理模块用于提高图像的质量，去除不需要的干扰信号，原始数据预处理需要依次经过三个步骤：移动校正、灰度非均匀校正、去头壳运算；所述图像预处理模块处理的数据通过图像配准模块进行配准，配准后的数据通过神经图像纵向全局重建模块进行数据重建，由于婴儿发育比较快，大脑的体积在不断地增加，为了获得同一部位的参考信息，需要将不同时间点的数据配准到同一个共用空间(common space)，由于婴儿DW-MRI数据的特殊性，预处理和配准均需要专门针对婴儿数据的处理算法。

设在共用空间中经过配准后有n个不同时间点的图像，空间上任意选取一点，计算出每个图像在这一点的势能，利用高斯滤波器对在每个点对前面时间点的数据融合，然后利用马尔科夫链蒙特卡洛算法，结合模拟退火算法优化n个模型。因为利用了前面的数据，重建结果更加准确。

作为本发明的进一步优选技术方案，所述图像预处理模块包括移动校正模块1n、灰度非均匀校正模块和去头壳运算模块；所述移动校正模块、灰度非均匀校正模块和去头壳运算模块之间依次进行数据传输。