功能磁共振成像中脑白质功能信息辅助的配准方法研究

Accurate fMRI registration is critical for population studies of the operation of normal brains, the recovery of diseased brains, and the reorganization of injured brains. Due to the dissociation between functional and anatomy, the performance of fMRI registration intrinsically relies on precise alignment of functional areas. However, existing fMRI registration schemes only utilize using high-resolution structural images or gray matter (GM) functional features with no functional information or part of that, leading to the deterioration of functional areas alignment. Aiming to take advantage of whole brain functional information, this project develops a new fMRI registration study with additional information on white matter. The key points of this project are as follows: (1) White matter (WM) function signals are always susceptible to noise and abandoned in past decade, thus, we propose Functional Connection Tensors (FCTs) to robustly estimate the intensity and directional anisotropy of white matter function signals (2) We construct a high-order dynamic functional connectivity (HdFC) matrix to extract the dynamic and discriminant functional features of GM (3) We separately extract the functional features of GM and WM to eliminate the functional artifacts caused by different hemodynamic properties and obtain the whole brain diffeomorphic deformation field.

功能磁共振图像(functional MRI, fMRI)的配准精度对于理解正常、患病或受伤大脑如何运作、恢复和重组具有重要的临床意义。由于脑解剖结构和功能区域间不存在精确的一一对应关系，fMRI配准精度本质上仍受到功能区域对齐程度的限制。然而，现有fMRI配准方案仅利用全脑结构信息或脑灰质功能信息，未能引入或部分引入功能信息，导致脑功能配准精度下降。本项目旨在利用全脑功能信息，开展脑白质信息辅助的功能配准方法新研究，其重点包括：(1) 提出功能连接张量算法鲁棒提取脑白质功能信号灰度和方向倾向性，以期解决脑白质功能信号易于噪声混淆且以往被弃用等问题 (2) 提出高阶动态功能连接矩阵提取脑灰质动态且具有判别性的功能特征 (3) 分开表征脑灰白质功能信号并融合配准，以期在获得全脑微分同胚形变场的前提下，消除由于脑灰白质血液动力学响应不同产生的功能伪影。

功能磁共振(functional MRI, fMRI)是脑神经研究中的重要成像手段。fMRI的配准研究对于理解正常、患病或受伤大脑如何运作、恢复和重组具有重要的临床指导意义。现有配准方案已经在宏观上探索出大脑皮层上结构/功能的对应关系，但是该方案受到大脑皮层曲面复杂度和脑白质信息缺失等诸多问题的限制，导致脑配准精度下降，进而成为制约脑功能研究的瓶颈。.鉴于此，本项目在前期研究工作基础上，提出一种脑白质功能信息辅助的配准算法，即融合利用灰质和白质的全脑功能信息，完成全脑的功能配准。.项目主要研究内容包括：.(1) 针对fMRI配准方面的问题：①提出了利用全脑功能信息的fMRI深度学习配准网络，并基于组织特异的功能连接张量对灰质和白质功能信息进行鲁棒表示，作为网络的弱监督损失函数用以提高网络配准精度。②提出了三层级联多分辨率网络，并对所有级联子网络的变形场加以较大的平滑度约束，以保证最终变形场的平滑度。此外，在每个级联子网络中，提出了特征变形和残差变形场的估计模块，简化变形场的估计过程。③ 在三层级联多分辨率网络基础上，进一步增加了级联网络的数量。辅以恒等映射支路，保证配准精度随级联网络数量的增加逐步增加，避免出现精度瓶颈问题。.(2) 针对配准方面的共性问题：动态增强磁共振图(Dynamic Contrast-Enhanced MRI，DCE-MRI)的配准对于疾病诊断和鉴别具有重要的意义。主流DCE-MRI配准方案存在“无法准确区分造影剂和运动引起的灰度变化”的问题，导致配准精度差计算时间长。①提出从时间-信号强度曲线（Time Intensity Curve, TIC）信号空间分解入手，研究基于稀疏表达方法对TIC空间划分造影剂空间和运动空间的方法，提高配准精度。此外，流形和迭代配准保证配准的无偏性。②在此基础上，在TIC信号空间构建患者特异且组织特异的字典，可以充分利用造影剂字典的特异性，将每个患者的各个组织中的造影剂都与正常组织分离，提高配准精度。