专利汇可以提供基于白质纤维束的白质微结构特征筛选系统及方法专利检索,专利查询,专利分析的服务。并且一种基于白质 纤维 束的白质微结构特征筛选系统及方法,本 发明 的系统包括:数据读取模 块 、张量模板构建模块,感兴趣纤维束提取模块,纤维束参数化模型构建模块,纤维束筛选模块,统计分析模块,白质微结构特征筛选模块。本发明的步骤包括:读取DTI图像和FA图像;构建张量模板;提取张量模板的感兴趣纤维束;构建纤维束参数化模型;提取个体DTI图像的感兴趣纤维束;构建纤维束 频率 图谱;筛选感兴趣纤维束;统计分析;筛选待测图像上的白质微结构特征。本发明利用纤维束频率图谱筛选感兴趣纤维束,可基于个体脑部FA图像筛选出该个体的白质微结构特征,降低了所筛选白质微结构特征的误差。,下面是基于白质纤维束的白质微结构特征筛选系统及方法专利的具体信息内容。
1.一种基于白质纤维束的白质微结构特征筛选系统,包括数据读取模块、张量模板构建模块,感兴趣纤维束提取模块,纤维束参数化模型构建模块,纤维束筛选模块,统计分析模块,白质微结构特征筛选模块,其中:
所述的数据读取模块,用于读入两组图像,一组为标准图像作为对照图像组,另一组为待测图像组,所述的对照图像组中包含格式均为.nii的44人的脑部弥散张量成像DTI图像和各向异性FA图像;所述的待测图像组中包含格式均为.nii的52人的脑部弥散张量成像DTI图像和各向异性FA图像,同一人的脑部弥散张量成像DTI图像和各向异性FA图像所处空间一致,组成该个体的个体空间;
所述的张量模板构建模块,用于利用图像配准软件,将对照图像组中格式为.nii的每张各向异性FA图像配准到格式为.nii的标准模板,得到配准参数;在标准空间下的所有图像中选取一幅未选图像,将所选图像分别非线性配准到其余未选的每幅图像上,得到所选图像配准到其余的每幅图像上的配准参数,将所有配准参数进行平均,得到所选图像到其余图像上的平均配准参数;将配准参数与平均配准参数融合,得到所选各向异性FA图像到标准空间下其余各向异性FA图像的变换参数;将所选各向异性FA图像的变换参数作用到对应的弥散张量成像DTI图像上,得到标准化后的弥散张量成像DTI图像;若已选取完标准空间下的所有图像,则已完成所有各项异性图像的标准化,否则,继续在标准空间下的所有图像中选择未选图像;求所有标准化后的弥散张量成像DTI图像中对应位置上体素灰度值的平均值;将所有体素灰度的平均值组成一张平均图像,将该平均图像作为构建好的张量模板;
所述的感兴趣纤维束提取模块,用于利用追踪软件,对所构建张量模板进行确定型纤维束追踪,提取感兴趣纤维束;还用于利用追踪软件,对两组图像中每张弥散张量成像DTI图像上的感兴趣纤维束进行概率型纤维束追踪,得到纤维连接分布图;将纤维连接分布图中所有不为零的纤维连接分布值,按照从大到小排列,选取排序中前千分之一的体素,将所选体素标记为1,纤维连接分布图中的其余体素标记为0,组成感兴趣纤维束图像;
所述的纤维束参数化模型构建模块,用于按照 计算感兴趣纤维束中每条纤维的纤维密度;选取感兴趣纤维束中所有纤维的纤维密度中的最大值,作为原型纤维;计算原型纤维上每个点处的切向量,对切向量做垂线,垂线与其他纤维相交得到原型纤维上每个点的匹配点的坐标;其中,Dl表示感兴趣纤维束中第l条纤维的纤维密度,nl表示感兴趣纤维束中第l条纤维上点的总数,∑表示求和操作,i表示感兴趣纤维束中第l条纤维上点的序号,Mli表示感兴趣纤维束中第l条纤维上第i个点的纤维轨迹数目;
所述的纤维束筛选模块,用于将两组图像中每张各向异性FA图像配准到所构建的张量模板,得到其个体空间到张量模板空间的的配准参数;利用配准参数,将每幅感兴趣纤维束图像映射到张量模板空间;在张量模板空间下将感兴趣纤维束图像上的非零体素标记为1,得到标准化的感兴趣纤维束图像;求所有标准化的感兴趣纤维束图像中对应位置上体素灰度值的平均值,将所有体素灰度值的平均值组成一张平均图像;将平均图像上灰度值小于
0.7的体素标记为0,其余体素上的灰度值不变得到所构建的纤维束频率图谱;还用于寻找纤维束频率图谱中灰度值为零的点,去掉纤维束参数化后的感兴趣纤维束上对应坐标位置的点,得到筛选后的纤维束;利用输入的两组图像中每张各向异性FA图像的个体空间到张量模板空间的配准参数,计算对应的逆配准参数;利用对应的逆配准参数,将筛选后的纤维束上所有点的坐标,映射到每个个体空间;利用三线性插值,插值计算出输入的两组图像中每张各向异性FA图像上对应个体空间下筛选后的纤维束上所有点的各向异性FA值;在输入的两组图像中每张各向异性FA图像的个体空间下,求筛选后的纤维束中所有纤维中每个对应位置上点的各向异性FA值的平均值,将所有对应位置上点的各向异性FA值的平均值组成FA值平均值向量,输入的两组图像对应得到两组FA值平均值向量;
所述的统计分析模块,用于对两组FA值平均值向量对应位置处的所有FA值进行双样本t检验,得到显著性差异,将该显著性差异所在位置作为感兴趣纤维束中具有显著性组间差异的区域;
所述的白质微结构特征筛选模块,用于构造一个大小与张量模板大小相同的零矩阵,将感兴趣纤维束中具有组间差异的点标记为1,得到一个0,1二值矩阵,将该矩阵存储为一张组间差异图像;利用张量模板空间到个体空间的逆配准参数到将组间差异图像映射到个体空间;将组间差异图像上的灰度值与感兴趣纤维束图像上的灰度值进行相乘,筛选出待测图像上的白质微结构特征所在区域;选取各向异性FA图像上白质微结构特征所在区域的所有各向异性FA值,将该区域中所有各向异性FA值的大小依次表征待测图像上的白质微结构特征。
2.一种基于白质纤维束的白质微结构特征筛选方法,其特征在于,构建张量模板,构建纤维束参数化模型,构建纤维束频率图谱,筛选感兴趣纤维束,统计分析,筛选待测图像上的白质微结构特征,该方法包括如下步骤:
(1)读取弥散张量成像DTI图像和各向异性FA图像:
数据读取模块读入两组图像,一组为标准图像作为对照图像组,另一组为待测图像组,所述的对照图像组中包含格式均为.nii的44人的脑部弥散张量成像DTI图像和各向异性FA图像;所述的待测图像组中包含格式均为.nii的52人的脑部弥散张量成像DTI图像和各向异性FA图像,同一人的脑部弥散张量成像DTI图像和各向异性FA图像所处空间一致,组成该个体的个体空间;
(2)构建张量模板:
张量模板构建模块利用张量模板构建方法,构建张量模板,该张量模板所处的图像空间称为张量模板空间;
(3)提取张量模板的感兴趣纤维束:
感兴趣纤维束提取模块利用追踪软件,对所构建张量模板进行确定型纤维束追踪,提取感兴趣纤维束;
(4)构建纤维束参数化模型:
纤维束参数化模型构建模块利用纤维束参数化方法,构建纤维束参数化模型;
(5)提取个体弥散张量成像DTI图像的感兴趣纤维束:
(5a)感兴趣纤维束提取模块利用追踪软件,对两组图像中每张弥散张量成像DTI图像上的感兴趣纤维束进行概率型纤维束追踪,得到纤维连接分布图;
(5b)将纤维连接分布图中所有不为零的纤维连接分布值,按照从大到小排列,选取排序中前千分之一的体素,将所选体素标记为1,纤维连接分布图中的其余体素标记为0,组成感兴趣纤维束图像;
(6)构建纤维束频率图谱:
(6a)纤维束筛选模块将两组图像中每张各向异性FA图像配准到所构建的张量模板,得到其个体空间到张量模板空间的的配准参数;
(6b)利用配准参数,将每幅感兴趣纤维束图像映射到张量模板空间;
(6c)在张量模板空间下将感兴趣纤维束图像上的非零体素标记为1,得到标准化的感兴趣纤维束图像;
(6d)求所有标准化的感兴趣纤维束图像中对应位置上体素灰度值的平均值,将所有体素灰度值的平均值组成一张平均图像;
(6e)将平均图像上灰度值小于0.7的体素标记为0,其余体素上的灰度值不变得到所构建的纤维束频率图谱;
(7)筛选感兴趣纤维束:
(7a)纤维束筛选模块寻找纤维束频率图谱中灰度值为零的点,去掉纤维束参数化后的感兴趣纤维束上对应坐标位置的点,得到筛选后的纤维束;
(7b)利用输入的两组图像中每张各向异性FA图像的个体空间到张量模板空间的配准参数,计算对应的逆配准参数;
(7c)利用对应的逆配准参数,将筛选后的纤维束上所有点的坐标,映射到每个个体空间;
(7d)利用三线性插值公式,插值计算出输入的两组图像中每张各向异性FA图像上对应个体空间下筛选后的纤维束上所有点的各向异性FA值;
(7e)在输入的两组图像中每张各向异性FA图像的个体空间下,求筛选后的纤维束中所有纤维中每个对应位置上点的各向异性FA值的平均值,将所有对应位置上点的各向异性FA值的平均值组成FA值平均值向量,输入的两组图像对应得到两组FA值平均值向量;
(8)统计分析:
统计分析模块对两组FA值平均值向量对应位置处的所有FA值进行双样本t检验,得到显著性差异,将该显著性差异所在位置作为感兴趣纤维束中具有显著性组间差异的区域;
(9)筛选待测图像上的白质微结构特征:
(9a)白质微结构特征筛选模块构造一个大小与张量模板大小相同的零矩阵,将感兴趣纤维束中具有组间差异的点标记为1,得到一个0,1二值矩阵,将该矩阵存储为一张组间差异图像;
(9b)利用张量模板空间到个体空间的逆配准参数到将组间差异图像映射到个体空间;
(9c)将组间差异图像上的灰度值与感兴趣纤维束图像上的灰度值进行相乘,筛选出待测图像上的白质微结构特征所在区域;
(9d)选取各向异性FA图像上白质微结构特征所在区域的所有各向异性FA值,将该区域中所有各向异性FA值的大小依次表征待测图像上的白质微结构特征。
3.根据权利要求2所述的基于白质纤维束的白质微结构特征筛选方法,其特征在于,步骤(2)中所述张量模板构建方法的步骤如下:
第一步,利用图像配准软件,将对照图像组中格式为.nii的每张各向异性FA图像配准到格式为.nii的标准模板,得到配准参数;
第二步,在标准空间下的所有图像中选取一幅未选图像,将所选图像分别非线性配准到其余未选的每幅图像上,得到所选图像配准到其余的每幅图像上的配准参数,将所有配准参数进行平均,得到所选图像到其余图像上的平均配准参数;
第三步,将配准参数与平均配准参数融合,得到所选各向异性FA图像到标准空间下其余各向异性FA图像的变换参数;
第四步,将所选各向异性FA图像的变换参数作用到对应的弥散张量成像DTI图像上,得到标准化后的弥散张量成像DTI图像;
第五步,判断是否已选取完标准空间下的所有图像,若是,则执行第六步,否则,执行第二步;
第六步,求所有标准化后的弥散张量成像DTI图像中对应位置上体素灰度值的平均值;
第七步,将所有体素灰度的平均值组成一张平均图像,将该平均图像作为构建好的张量模板。
4.根据权利要求2所述的基于白质纤维束的白质微结构特征筛选方法,其特征在于,步骤(4)中所述纤维束参数化方法的步骤如下:
第一步,按照下式,计算感兴趣纤维束中每条纤维的纤维密度:
其中,Dl表示感兴趣纤维束中第l条纤维的纤维密度,nl表示感兴趣纤维束中第l条纤维上点的总数,∑表示求和操作,i表示感兴趣纤维束中第l条纤维上点的序号,Mli表示感兴趣纤维束中第l条纤维上第i个点的纤维轨迹数目;
第二步,选取感兴趣纤维束中所有纤维的纤维密度中的最大值,作为原型纤维;
第三步,计算原型纤维上每个点处的切向量,对切向量做垂线,垂线与其他纤维相交得到原型纤维上每个点的匹配点的坐标。
5.根据权利要求2所述的基于白质纤维束的白质微结构特征筛选方法,其特征在于,步骤(7d)中所述三线性插值公式如下:
其中,f(xi,yi,zi)表示筛选后的纤维束上(xi,yi,zi)点的各向异性FA值,(xi,yi,zi)表示筛选后的纤维束上第i个点处的坐标, 分别表示沿x,y,z轴正方向上与(xi,yi,zi)点最近的整数坐标值, 分别表示沿x,y,z轴负方向上与(xi,yi,zi)点最近的整数坐标值;
分 别表示 各向异性 FA图 像上
点的各向异性FA值。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
磁共振弥散张量成像的去噪方法和系统 | 2020-05-17 | 757 |
基于脑磁图和弥散张量成像的多模态脑功能重建评估方法 | 2020-05-21 | 15 |
一种汉语语言功能区测查用功能磁共振成像数据的处理方法 | 2020-05-24 | 999 |
一种基于磁共振弥散张量成像确定目标边界的方法 | 2020-05-22 | 207 |
压缩感知框架下的快速弥散张量成像方法及系统 | 2020-05-19 | 973 |
弥散张量成像方法及系统 | 2020-05-12 | 514 |
磁共振弥散张量成像方法和系统 | 2020-05-13 | 928 |
多b值弥散张量成像采样方法 | 2020-05-14 | 218 |
磁共振弥散张量成像质量控制综合测试体模 | 2020-05-18 | 578 |
组织的弥散椭球映射 | 2020-05-28 | 726 |
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。