一种基于DTI的颅内神经纤维束的三维重建方法
专利汇可以提供一种基于DTI的颅内神经纤维束的三维重建方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于DTI的颅内神经 纤维 束的 三维重建 方法及一种基于3D打印技术的包括神经纤维束的头颅三维模型制备方法。包括以下步骤：对目标组织区域以及周围神经纤维束进行磁共振扫描，获得包含神经纤维束的目标组织区域的MRI影像数据；对获得的MRI影像进行DTI处理及相关处理，从而获得带有可识别的神经纤维束的MRI图像；对带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息进行推算，再通过mimics 软件 进行三维重建，获得包含颅内神经纤维束的三维模型。通过所述三维模型和3D打印的三维实 体模 型可以清楚地显示解剖结构、脑组织功能区域、各组织之间的 位置 关系，为手术提供实体模型，用于手术入路设计和手术模拟。，下面是一种基于DTI的颅内神经纤维束的三维重建方法专利的具体信息内容。
1.一种基于DTI的颅内神经纤维束的三维重建方法，其特征在于包括如下步骤：
S1：利用磁共振对头部或头部局部区域进行扫描，获得目标组织区域的MRI影像数据；
S2：对获得的MRI影像数据进行DTI处理，获得MRI影像的FA信号，并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；
S3：将所述带有可识别的神经纤维束的MRI图像导入mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，然后将推算结果输入mimics软件中进行三维重建，获得颅内神经纤维束的三维模型。
2.根据权利要求1所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于：在S2中所述DTI处理包括弥散张量计算以及FA、ADC扩散指标的计算，对于FA＞0.2进行全脑体素纤维跟踪及可视化。
3.根据权利要求1所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于：所述步骤S2中，所述带有可识别的神经纤维束的MRI图像的保存格式为JPG格式。
4.根据权利要求3所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于：所述步骤S3中，推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，其推算过程包括：
根据公式
（1）P=S/M
（2）T=P*D
其中P表示影像的像素，S表示影像的视野，M表示影像矩阵，T表示体素，D表示层厚，其中矩阵M中包含rows、columns信息；
步骤S1中，头部病灶组织的MRI影像数据中，包含矩阵M的rows、columns和像素P的信息；步骤S2中，将标示好的神经纤维束图像投射回MRI影像获得的带有可识别的神经纤维束的MRI图像中，包含新的矩阵M的rows、columns信息，与步骤S1中的MRI图像相比，其矩阵M发生改变，像素P也随着发生改变，视野S不变，则根据公式（1）计算改变后的像素P值，其中X、Y用计算改变后的像素P的值来表示，Z用层厚D的值来表示。
5.根据权利要求4所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，所述步骤S3中，将推算结果输入mimics软件中进行三维重建的过程如下：
（1）将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示图片的上、下、左、右位置信息；
（2）采用mimics软件提取神经纤维信息，通过像素灰度值范围来定义提取对象；
（3）三维模型形成：mimics软件根据提取对象，计算形成神经纤维束的三维模型。
6.根据权利要求5所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑肿瘤的三维重建，最后获得包含脑肿瘤和神经纤维束的三维模型。
7.根据权利要求5所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行血管的三维重建，最后获得包含血管和神经纤维束的三维模型。
8.根据权利要求5所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑组织的三维重建，最后获得包含脑组织和神经纤维束的三维模型。
9.根据权利要求5所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑肿瘤、血管的三维重建，最后获得包含脑肿瘤、血管和神经纤维束的三维模型。
10.根据权利要求1至9中任意一项所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，还包括3D打印步骤，获得包含颅内神经纤维束的三维实体模型。
11.一种基于3D打印技术的包括神经纤维束的头部三维实体模型的制备方法，其特征在于，包括以下步骤：
S1：利用磁共振对头部或头部局部区域进行扫描，获得目标组织区域的MRI影像数据；
S2：对获得的MRI影像数据进行DTI处理，获得MRI影像的FA信号并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；
S3：将所述带有可识别的神经纤维束的MRI图像导入mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息；
S4：将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示图片的上、下、左、右位置信息；
S5：通过像素灰度值范围来定义提取对象，并对各不同对象进行标记；
S6：根据需求将非目标的对象去除，留下包括神经纤维束的需求目标对象；
S7：对包括神经纤维束的需求目标对象进行三维模型转换，计算形成目标对象的三维模型；
S8：用颅脑CT扫描所述头部二维原始图像数据；
S9：将S8获得的数据导入mimics中，并选取颅骨信息进行颅骨的三维模型重建，获得颅骨三维模型；
S10：将S7获得的三维模型与S9获得的颅骨三维模型进行配准融合，建立包括颅骨和目标对象的三维模型；
S11：将S10获得的三维模型导入3D打印机中，进行打印，打印得到所需的含神经纤维束的头部三维实体模型。
12.根据权利要求11所述的制备方法，其特征在于，S5.中，所述对象为所有的头部医学解剖结构和颅内肿瘤。
13.根据权利要求12所述的制备方法，其特征在于，S5.中，头部医学解剖结构为血管、脑组织、皮质脊髓束、胼胝体、内囊、扣带回、冠辐射、视神经、及其他颅内组织。
14.一种由权利要求11至13任一项所述方法制备的三维实体模型在手术模拟、手术评估、手术规划、手术入路设计、临床教学中的应用。
一种基于DTI的颅内神经纤维束的三维重建方法
技术领域
背景技术
发明内容
S2：对获得的MRI影像进行DTI处理，获得MRI影像的FA信号，并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回到MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；
S3：将所述带有可识别的神经纤维束的MRI图像导入到mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，然后将推算结果输入mimics软件中进行三维重建，获得颅内神经纤维束的三维模型。
（1）P=S/M
（2）T=P*D
其中P表示影像的像素，S表示影像的视野，M表示影像矩阵，T表示体素，D表示层厚，其中矩阵M中包含rows、columns信息；
步骤S1中，头部相关组织的MRI影像数据中，包含矩阵M的rows、columns和像素P的信息；
步骤S2中，将标示好的神经纤维束图像投射回到MRI获得的带有可识别的神经纤维束的MRI图像中，包含新的矩阵M的rows、columns信息，与步骤S1中的MRI图像相比，其矩阵M发生改变，像素P也随着发生改变，视野S不变，则根据公式（1）计算改变后的像素P值，其中X、Y用计算改变后的像素P的值来表示，Z用层厚D的值来表示。
（2）采用mimics提取神经纤维的信息，通过像素灰度值范围来定义提取对象；
（3）三维模型形成：mimics软件根据提取对象，计算形成颅内神经纤维束的三维模型。
S2：对获得的MRI影像数据进行DTI处理，获得MRI影像的FA信号，并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；
S3：将所述带有可识别的神经纤维束的MRI图像导入mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息；
S4：将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示好图片的上、下、左、右位置信息；
S5：通过像素灰度值范围来定义提取对象，并对各不同对象进行标记；
S6：根据需求将非目标的对象去除，留下包括神经纤维束的需求目标对象；
S7：对包括神经纤维束的需求目标对象进行三维模型转换，计算形成目标对象的三维模型；
S8：用颅脑CT扫描所述头部二维原始图像数据；
S9：将S8获得的数据导入mimics中，并仅选取颅骨信息进行颅骨的三维模型重建，获得颅骨三维模型；
S10：将S7获得的三维模型与S9获得的颅骨三维模型进行配准融合，建立包括颅骨和目标对象的三维模型；
S11：将S10获得的三维模型导入3D打印机中，进行打印，打印得到所需的含神经纤维束的头部三维实体模型。
具体实施方式
S2：对获得的MRI影像进行DTI处理，包括弥散张量计算以及FA，ADC等扩散指标的计算；
对于FA＞0.2进行全脑体素纤维跟踪及可视化，并分别标示出神经纤维束走向，将标示好神经纤维束走向的图像投射回到MRI影像上从而获得带有可识别的神经纤维的MRI图像；
目前标准的影像数据保存格式为DICOM格式，但是由于将DTI处理后投射回MRI影像上，获得的带有可识别的神经纤维束的MRI图像，其影像数据发生改变，使得在DICOM格式中几乎所有参数信息变为不可见或无法识别，无法采用该DICOM格式数据进行三维重建，因此将带有可识别的神经纤维束的MRI图像导出为JPG格式。
（1）P=S/M
（2）T=P*D
其中P表示影像的像素，S表示影像的视野，M表示影像矩阵，T表示体素，D表示层厚，其中矩阵M中包含rows、columns信息；
步骤S1中，头部的MRI影像数据中，包含矩阵M的rows、columns和像素P的信息；
步骤S2中，将标示好的神经纤维图像投射回到MRI获得的带有可识别的神经纤维束的MRI图像中，包含新的矩阵M的rows、columns信息。由于DTI是在原来基本的MRI影像数据基础上做的，视野不变，当矩阵变大，则图像对物体空间大小的辨别能力会变高，图像的像素变小；同理，当矩阵变小，则空间分辨率就会变低，像素增大。因此，与步骤S1中的MRI图像相比，其矩阵M发生改变，像素P也随着发生改变，视野S不变，则根据公式（1）计算改变后的像素P值。
2.rows=512，columns=512，P =0.4296875；
而步骤S2中，矩阵M的rows、columns值如下：1.rows=1024，columns=1024；
由于进行DTI处理前后影像的视野保持不变，则根据公式（1）可以推出步骤S2中像素P的值，P=0.21484375；
X、Y可以用改变后的像素P的值来表示，Z代表图像的断层与断层之间的距离，可以用层厚D的值来表示，层厚D在做DTI前后并没有改变，可以通过步骤S1中获得的MRI影像数据获得，于是得到X、Y、Z轴的信息。
（2）采用mimics中的Thresholding工具提取神经纤维的信息，通过像素灰度值范围来定义提取对象；
（3）区域增长：mimics软件根据选择的像素范围进行计算，将相连的像素形成一体；
（4）三维模型形成：mimics软件中的mask根据区域增长的像素，Calculate 3D计算形成颅内神经纤维束的三维模型。
将获得的头部二维CT影像信息导入mimics中进行颅骨的三维重建，获得颅骨三维模型；
将获得的包含脑肿瘤、血管和神经纤维束的三维模型与颅骨三维模型进行配准融合，建立包括颅骨和目标对象的三维模型；结果如附图2所示。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于张量的分布式扩散自适应抗干扰方法 | 2020-05-12 | 589 |
| 一种高阶张量的纤维取向分布估计稀疏去卷积方法 | 2020-05-22 | 747 |
| 用于扩散张量成像的方法和系统 | 2020-05-11 | 296 |
| 扩散张量表面显象 | 2020-05-11 | 464 |
| 基于结构先验信息的人体心脏左心室扩散张量估计方法 | 2020-05-17 | 945 |
| 一种基于扩散峭度张量的白质微结构特征可视化方法 | 2020-05-16 | 73 |
| 一种扩散张量磁共振成像方法 | 2020-05-11 | 395 |
| 用于脑白质纤维跟踪的高阶扩散张量混合稀疏成像方法 | 2020-05-16 | 335 |
| 借助磁共振确定扩散张量的系数的方法和装置 | 2020-05-13 | 267 |
| 一种非负高阶张量拟牛顿搜索的纤维方向分布估计方法 | 2020-05-26 | 753 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
