基于扩散张量白质纤维束示踪成像的脑梗死早期检测关键算法研究

脑梗死是公众健康的主要威胁之一，在目前缺乏有效治疗方法的情况下，对脑梗死的早期检测是降低其发病率、死亡率和致残率的最佳途径。脑白质纤维束在梗死灶形成早期会受到影响并发生异变，而扩散张量图像是目前唯一无创性检测活体分子扩散过程的手段，因此基于扩散张量图像对脑白质纤维束完整、准确的分割以及对分割结果实时、生动的可视化是脑梗死早期检测的关键。而目前基于扩散张量图像的脑白质纤维束分割及可视化方法存在的主要问题包括：分割方法抗噪性差；在脑白质纤维束出现交叉、分支、合并情况时，分割结果错误率高；对分割结果的三维可视化实时性不高。为解决以上问题，本项目拟研究的主要内容包括：基于小波的扩散张量图像增强、去噪方法，基于Riemannian流型的脑白质纤维束分割方法，以及基于GPU加速的三维可视化方法。本项目的研究成果能有效提高临床医生对脑梗死疾病的诊疗水平，从而促进医学图像处理与计算机辅助诊断技术的发展。

扩散张量图像是目前唯一无创性检测活体分子扩散过程的手段，基于扩散张量图像对脑白质纤维束完整、准确的分割以及对分割结果实时、生动的可视化是脑梗死早期检测的关键。而目前基于扩散张量图像的脑白质纤维束分割及可视化方法存在的主要问题包括：分割方法抗噪性差；在脑白质纤维束出现交叉、分支、合并情况时，分割结果错误率高；对分割结果的三维可视化实时性不高。. 申请人经过研究，提出了以下方法来来解决这些问题：..（1）基于小波的扩散张量图像增强、去噪方法；..（2）对去噪后的扩散张量图像，进行脑白质分割，得到图像中的脑白质区域；..（3）在脑白质分割结果的基础上，基于Snake模型的重建脑白质纤维束；..（4）对脑白质纤维束重建结果进行三维可视化，并基于CUDA，对其加速。..申请人对该方法下得到的脑白质纤维束重建结果，进行了体模及临床验证。..在体模实验中，申请人专门构建了一个体模，该体模具有脑白质纤维束交叉、分支、合并情况。应用该方法到体模上，验证了该方法可以准确的重建脑白质纤维束，可以有效的解决脑白质纤维束交叉、分叉、合并的情况。..在临床实验中，申请人邀请临床专家对基于该方法的脑白质纤维束结果进行评估，评估主要体现在重建的准确性、重建结果是否符合解剖学已有知识、重建速度、可视化效果等。基于该方法的脑白质纤维束重建结果的准确性、有消息、速度、可视化等方面均得到了临床专家的认可。..综上所述，申请人提出了去噪、脑白质分割、纤维束重建、三维可视化等一系列算法，可以准确、快速、生动的为临床医生提供脑白质纤维束的重建结果，从而获取脑白质纤维束在脑梗死病灶处的变化情况，进而提高了脑梗死的诊疗水平。