[发明专利]基于聚类去噪的感兴趣脑区纤维束提取系统及方法

说明书

本发明公开一种基于聚类去噪的感兴趣纤维束提取系统及方法。本发明的实现步骤是：纤维束提取模块在标准模板上追踪全脑纤维束后，通过计算每条纤维束到ROI的距离，提取经过ROI的感兴趣纤维束集合；聚类去噪模块利用纤维束聚类方法对感兴趣纤维束集合聚类后，再去除聚类后感兴趣纤维束集合中的噪声纤维束；纤维束反变换模块将去噪后的感兴趣纤维束集合反变换到个体图像，得到每名个体的感兴趣纤维束集合。本发明利用聚类去除噪声纤维，将标准模板中经过ROI的感兴趣纤维束集合反变换到个体图像，能够准确、稳定、真实提取每名个体的DTI图像中的感兴趣纤维束，具有去噪充分、效果稳定的优点。

技术领域

本发明属于图像处理技术领域，更进一步涉及医学图像处理技术领域中一种基于聚类去噪的感兴趣脑区纤维束提取系统及方法。本发明可以实现在弥散张量图像中自动提取经过感兴趣脑区的纤维束并去除噪声纤维束。

背景技术

弥散张量成像DTI(Diffusion Tensor Imaging)是一种针对大脑内水分子布朗运动的磁共振成像技术。水分子在大脑白质中的布朗运动与大脑灰质、脑脊液中明显不同，因此DTI影像能够有效提取出大脑中的白质信息。纤维束追踪方法能够利用DTI图像中的白质信息，使用追踪算法，重建出大脑中的白质纤维束。全脑中有成千上万条纤维束连接各个脑区，有效地表征着白质通路中的微结构信息。因此在分析纤维束时需要一种提取方法，能在全脑纤维束中提取经过感兴趣脑区ROI(Region of Interest)的纤维束进行后续分析。

南京慧脑云计算有限公司在其拥有的专利技术“一种基于磁共振成像的脑白质纤维束示踪分析方法及系统”(申请号：202010029910.8，授权公告号：CN110827282B)中公开了一种使用ROI为种子点做纤维束示踪来提取纤维束的方法及系统。在该系统包含白质纤维束重建模块，用于对每名个体的ROI为种子点，使用多条流线从种子点出发在纤维束分布概率方向上向全脑中所有体素延伸，最终将所有从ROI出发的连接概率大于阈值的纤维束视为提取的经过ROI的纤维束，但是，该系统仍然存在的不足之处是：该系统依据概率提取出来的纤维束只是依概率存在，结果真实性低。该专利公开的纤维束提取方法是，先将标准模板图像中的ROI配准到每名个体的DTI图像中；接着将ROI作为种子点在每名个体的DTI图像中使用概率性纤维束示踪方法计算纤维束，将得到的纤维束结果视为该个体经过ROI的纤维束；然后将每名个体计算出的纤维束配准到标准模板图像中；最后使用统计检验及多重校正的方法，找到全部个体都显著存在的重叠纤维束作为最终全部个体经过ROI的纤维束。但是，该方法仍然存在的不足之处是：一、由于个体的DTI图像各有差异，因此在个体DTI图像中提取经过ROI的纤维束会导致每名个体的纤维束都不相同，结果误差大、不稳定，并且不同个体之间的纤维束难以对应。二、使用重叠所有个体纤维束的方法去噪依赖于个体的纤维束示踪质量，如果个体纤维束示踪都质量较差，难以形成有效重叠区域，该系统就无法达到良好的去噪效果。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于聚类去噪的提取感兴趣脑区纤维束提取系统及方法，旨在解决现有感兴趣纤维束提取技术结果真实性低、误差大、不稳定，个体间难以对应，去噪效果不好的问题。

本发明目的的整体实现思路是：在标准模板图像上追踪出全脑纤维束，计算每条纤维束与ROI的距离，提取所有与ROI距离近的纤维束组成感兴趣纤维束集合；对感兴趣纤维束集合聚类，将纤维束条数少的类别认定为噪声并删除，得到去噪后感兴趣纤维束集合；计算每名个体原始DTI图像到标准模板的配准参数，将配准参数取反得到反变换参数，使用反变换参数将去噪后感兴趣纤维束集合反变换到个体图像，得到每名个体的去噪后感兴趣纤维束集合。

为实现上述目的，本发明的系统包括纤维束提取模块、聚类去噪模块、纤维束反变换模块。其中：