[发明专利]一种基于多维跨模态影像融合技术的人脑锥体束全自动重建方法

权利要求书

1.一种基于多维跨模态影像融合技术的人脑锥体束全自动重建方法，其特征在于，包括如下步骤：

步骤一、数据质量检查，包括基准图像序列和DTI序列的质量参数检查；

步骤二、数据预处理，包括数据格式转换、数据矫正、拟合张量模型；

步骤三、基于步骤二的拟合张量模型进行人脑纤维束的分割提取；

步骤四、将分割提取得到的人脑纤维束数据保存为模型文件；

步骤五、与基准序列进行融合配准得到旋转矩阵；

步骤六、基于步骤五得到的旋转矩阵，对步骤四中的模型文件进行模型旋转，以得到更加符合真实情况的人脑锥体束模型。

2.根据权利要求1所述的方法，所述数据质量检查进一步包括：基准图像序列需满足分辨率小于或等于1mm等体素，DTI序列需满足分辨率2mm等体素。

3.根据权利要求1所述的方法，所述步骤二进一步包括：

步骤2.1，数据格式转换，将基准图像序列与DTI原始序列影像由DICOM格式转换为NIFIT格式以及对应的文件组织形式；

步骤2.2，生成b值文件与梯度表；

步骤2.3，进行头动与涡流校正，去除来自磁共振线圈的涡流效应所引起的图像伪影，同时通过DWI图像间配准去除运动伪影；

步骤2.4，提取DTI图像的b0图像，对b0图像进行去头皮头骨操作，得到蒙版；

步骤2.5，基于所述蒙版对步骤2.3处理后的DTI进行去头皮头骨操作，结合梯度表和b值文件，进行张量拟合计算；

步骤2.6，将拟合张量模型保存为中间文件，用于后续的锥体束分割提取。

4.根据权利要求1所述的方法，所述步骤三进一步包括：

步骤3.1，全脑纤维跟踪，剔除纤维，筛选出代表纤维，聚类生成纤维束模板；

步骤3.2，基于椎体束模板，对当前图像进行人脑椎体束的自动分割，提取出实际需要的CST椎体束。

5.根据权利要求4所述的方法，所述步骤3.1进一步包括：

步骤3.1.1，采用高阶张量模型技术，进行全脑纤维束的跟踪，得到纤维集合{a₁,a₂,…,a_n}，其中n为正整数；

步骤3.1.2，对于纤维a_i而言，计算该条纤维与其他所有纤维的相似度f_ij，其中i，j均为小于等于n的正整数，且互不相同，对于任一存在f_ij大于相似度阈值的纤维a_i，认为ai为异常纤维，剔除；

步骤3.1.3，将剔除异常纤维后的纤维集合进行聚类。

6.根据权利要求1所述的方法，所述步骤五进一步包括：提取DTI的b0图像，与基准序列进行融合配准，同时得到matrix旋转矩阵。

7.根据权利要求6所述的方法，所述步骤五进一步包括：

步骤5.1，对基准序列图像进行去头皮头骨操作，与去除头皮头骨后的b0图像进行配准，配准后的两幅图像分别作为两个待融合图像A(x,y)和B(x,y)，其中，配准后的去头皮头骨后的基准图像为A(x,y)，配准后的去头皮头骨b0图像为B(x,y)；

步骤5.2，计算A(x,y)和B(x,y)的共同特征C，计算共同特征C分别与A(x,y)和B(x,y)的相关度，记为Re(C,A(x,y))和Re(C,B(x,y))，取值范围为(0,1)；

步骤5.3，根据共同特征C、B(x,y)和基准序列图像T1，生成DTI图像基准图像的融合图像Ffusion(x,y)，公式如下：

Ffusion(x,y)=aT1+bC+zB(x,y)

其中a、b、z分别为权重值，b= Re(C,A(x,y)), z= Re(C,B(x,y))；

步骤5.5，基于上述融合结果，得到配准到基准图像序列坐标系的旋转矩阵。