学位论文 > 优秀研究生学位论文题录展示

脑白质纤维群智能跟踪算法研究及可视化系统开发

作　者: 王哲进
导　师: 冯远静
学　校: 浙江工业大学
专　业: 控制工程
关键词: 群体智能纤维跟踪球面反卷积成像可视化系统
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 10次
引　用: 0次
阅　读: 论文下载

内容摘要

脑纤维重建技术为脑手术导航、认知机理等研究提供重要的依据,已成为当今信息、神经科学共同的前沿。脑纤维重构优化实质是一类以纤维能量函数为目标,利用优化算法在人脑体素空间搜索最优纤维路径的大规模复杂优化问题。随着目标信号采集精度的提高,现有纤维估计模型和跟踪算法已经难以满足纤维精确重构的要求。现有的纤维重构问题主要表现在以下两个方面：第一,传统的扩散张量模型难以刻画复杂的纤维微结构；第二,现有跟踪算法难以处理不确定信息带来的跟踪误差问题。本文分别针对上述问题进行了深入研究,并提出了较好的改进方法。本文的具体工作和成果如下：1.综述了脑白质纤维跟踪技术的背景及发展现状。针对纤维估测模型、跟踪技术和可视化应用三个方面的研究进展进行讨论,分析了现有模型和跟踪算法的发展过程及存在的不足。2.针对传统扩散张量模型难以刻画复杂的纤维微结构问题,本文从高角度分辨率成像技术出发,构建了一种基于高斯还原的球面反卷积成像模型,直接从反卷积过程中获得离散的纤维方向密度函数,并采用高斯函数还原为连续的纤维方向分布模型。经过合成数据和人脑实际数据的测试,本文提出的模型大大提高了纤维模型的角度分辨率,并有效处理了纤维交叉、分叉等复杂微结构。3.针对传统跟踪算法跟踪效率低、难以处理不确定信息带来的跟踪误差等问题,本文受群体协同优化思想的启发,提出一种迭代最优的群智能概率纤维跟踪算法。在不断存储和更新最优纤维信息素过程中获得最优的高概率纤维,解决了传统跟踪算法计算量大、效率低和过度跟踪等问题。4.在提出了高斯球面反卷积和群智能优化跟踪方法的基础上,本文设计并开发了脑纤维三维重建可视化软件。该软件集成了包括本文算法在内的多种成像模型与跟踪算法,如扩散张量模型、高阶张量模型、球面反卷积模型,确定性及概率性跟踪方法等。本文针对现有纤维估计模型和跟踪算法存在的问题进行分析,并提出了相应的改进方法,从结果来看,本文提出的高斯球面反卷积模型及群智能概率跟踪方法均比现在方法更加准确和高效。从国内外此领域的研究来看,探索大脑微结构和脑连接信息仍然是未来研究的重心。随着医学界对脑白质纤维微结构分析的需求越来越迫切,在未来的几十年内,探索脑结构和脑连接的研究领域必将成为人类健康研究的主流。

全文目录

摘要  5-7
ABSTRACT  7-11
第1章绪论  11-19
  1.1 研究意义及背景  11-13
  1.2 国内外研究现状  13-16
    1.2.1 核磁共振成像技术研究进展  13-14
    1.2.2 白质纤维跟踪技术研究进展  14-15
    1.2.3 纤维可视化应用研究进展  15-16
  1.3 本文主要研究内容和章节安排  16-19
    1.3.1 本文研究内容  16-17
    1.3.2 章节安排  17-19
第2章 DW-MRI成像及纤维跟踪技术研究进展  19-33
  2.1 扩散加权成像技术(DWI)  19-20
  2.2 扩散张量成像技术(DTI)  20-23
  2.3 高角度分辨率成像技术(HARDI)  23-28
    2.3.1 Q-ball成像  23-28
  2.4 脑白质纤维跟踪技术  28-32
    2.4.1 确定性跟踪方法  28-29
    2.4.2 概率性跟踪方法  29-30
    2.4.3 纤维跟踪技术的临床应用  30-32
  2.5 本章小结  32-33
第3章基于高斯还原的球面反卷积成像方法  33-41
  3.1 高斯球面反卷积成像  33-37
    3.1.1 信号响应函数  34
    3.1.2 最小平方误差准则能量函数  34
    3.1.3 非线性系统优化求解  34-35
    3.1.4 高斯函数还原  35-37
  3.4 实验分析与比较  37-40
    3.4.1 合成数据实验  37-39
    3.4.2 实际数据实验  39-40
  3.5 本章小结  40-41
第4章群智能概率纤维跟踪方法  41-51
  4.1 全局纤维价值函数度量指标  41-42
  4.2 局部纤维价值函数模型  42-43
  4.3 群智能跟踪核心过程  43-45
    4.3.1 信息素存储  44
    4.3.2 纤维方向选择  44-45
    4.3.3 信息素更新  45
  4.4 概率连接图谱计算  45-46
  4.5 算法框架  46
  4.6 实验及结果分析  46-49
    4.6.1 合成数据实验  46-48
    4.6.2 实际数据实验  48-49
  4.7 本章小结  49-51
第5章脑纤维三维可视化软件  51-57
  5.1 软件框架  51-53
  5.2 软件界面及功能  53-55
    5.2.1 软件界面  53-54
    5.2.2 软件功能  54-55
  5.3 鼠脑数据实验  55-56
  5.4 本章小结  56-57
第6章结论与展望  57-59
  6.1 研究结论  57-58
  6.2 研究展望  58-59
参考文献  59-63
致谢  63-64
攻读学位期间参加的科研项目和成果  64-65

脑白质纤维群智能跟踪算法研究及可视化系统开发

内容摘要

全文目录

相似论文