基于图像开花模型的弥散张量图像变形配准技术研究

This project intends to carry a research on the theory, method and key technique of deformable diffusion tensor image(DTI) registration based on image expansion model. The current research on DTI registration exists two main issues: the registration result of traditional medical image registration methods on DTI is not good as DTI data is four dimensional essentially; the way dealing with tensor orientation information during the process of image registration is unreasonable. In this project, we will carry out the research of DTI deformable registration with analytical method based on the model of image expansion, which ensure the reliability of registration from the accuracy and speed aspects; at the same time,based on the physical principle and mathematical model of diffusion tensor imaging,we will have a research on the constraints and its mathematical expression for the post processing of DTI, and then we propose an interpolation method for the eigenvector system of diffusion tensor data based on the spectral decomposition; at last, we will have an in-depth study on diffusion tensor reorientation technique, diffusion tensor similarity measure and iterative multi-resolution registration technique, and we complete the accurate and fast DTI deformable registration using the proposed deformable registration model and interpolation method which considers the tensor orientation information. With the successful execution of this project, we will provide a new deformable registration method for DTI registration research, which will provide a theoretical and technique support for the research of neuropsychiatric medicine, cognitive science et al application subjects.

本项目拟基于图像开花模型，研究弥散张量图像变形配准的理论方法和关键技术。当前国内外对弥散张量图像配准的研究存在两个问题：传统的医学图像配准方法对本质上是四维的弥散张量图像配准效果不好；配准过程中对和神经纤维束走向相关的张量场方向信息处理方式不恰当。本项目中我们将基于图像开花模型，以解析的方式实现所提出的弥散张量图像变形配准方法，从精度和速度上确保配准的可靠性；同时，基于弥散张量成像的物理原理和数学模型，研究弥散张量图像后处理应遵循的约束条件及数学表示，并提出基于谱分解的弥散张量场特征向量系统插值方法；最后，对弥散张量场方向矫正技术、相似性度量和多分辨率迭代配准技术深入研究，基于所建立的变形配准模型和考虑方向信息的插值方法，完成弥散张量图像的精确快速变形配准。项目的顺利进行，将为弥散张量图像配准研究提供一种新的变形配准方法，进而为神经精神医学、认知科学等多个方向的研究提供理论和技术支持。

弥散张量成像技术对脑部白质结构的定量分析很有价值，但是脑部结构非常微小，欲实现对这些微细结构的准确分析，必须得对弥散张量影像数据进行归一化，即弥散张量图像配准。本项目基于图像的多项式展开模型，研究弥散张量图像的变形配准方法及关键技术。主要研究内容包括：图像的多项式展开模型、弥散张量数据计算方法、弥散张量数据相似性度量、张量重定向策略、弥散张量图像仿射和变形配准方法、医学图像配准的加速算法、弥散张量图像的临床应用。课题进展较为顺利，最主要的研究结果是实现了基于FA图像的两次多项式展开，并基于图像的展开模型完成了针对弥散张量数据的仿射和变形配准，为脑部微细白质纤维束的定量分析提供了方法上的支持。项目研究内容中所建立的图像配准方法具有极高的配准精度，与当前最好的医学图像处理软件FSL中的配准方法性能相当，在仿射配准方法上略胜于FLIRT方法。项目的顺利实施，可以为脑计划、神经精神科学、脑认知科学等研究领域提供理论和方法上的支持。