基於特徵約束的三維光流模型的擴散張量圖像配準研究

《基於特徵約束的三維光流模型的擴散張量圖像配準研究》是依託華東師範大學，由文穎擔任項目負責人的面上項目。

基本介紹

• 中文名：基於特徵約束的三維光流模型的擴散張量圖像配準研究
• 項目類別：面上項目
• 項目負責人：文穎
• 依託單位：華東師範大學

項目摘要

腦圖像配準是腦圖像分析的核心前提。目前，高維非線性空間的擴散張量圖像（Diffusion Tensor Images,DTI）配準研究剛剛起步，主要研究思路為特徵配準和灰度變換，且分析對象是正常的腦圖像，模型的精確度和拓展性有限。考慮到腦成像的對象從新生兒到成人，成像質量千差萬別，本課題將結構特徵配準與光流理論相結合，提出了基於特徵約束的高維光流算法的DTI配準思路。擬對DTI腦組織分割提取解剖結構特徵並建立基於光流約束機制的特徵描述配準模型，將該特徵配準模型融入高維光流配準模型中，從而拓展傳統光流模型，實現整體灰度配準和結構特徵配準相結合的機制，然後對張量重定向研究，完成DTI配準。期望通過本課題的研究，能在光流法腦圖像配準的理論上有較大的突破，不僅對正常腦圖像而且對質量較低的新生兒圖像和有缺損的腦結構圖像配準上有所提高，為腦圖像的高精度、快速及魯棒性配準提供理論基礎和關鍵技術。

結題摘要

醫學成像技術為活體全腦結構和功能信息的檢測提供了新的技術手段。擴散張量圖像（Diffusion Tensor Images，DTI）是腦圖像的一種影像模式，是唯一可無創用於活體腦微細結構研究的方法。腦圖像配準是腦圖像分析的核心前提，本項目是基於高維非線性空間的擴散張量腦圖像的配準研究。課題研究內容將結構特徵配準與光流理論相結合，提出了基於特徵約束的高維光流算法的擴散張量圖像配準思路。對DTI腦組織分割後，提取解剖結構特徵並建立基於光流約束機制的特徵描述配準模型，將該特徵配準模型融入高維光流配準模型中，拓展了傳統光流的配準模型結構，實現整體灰度配準和結構特徵配準相結合的機制，完成DTI配準。具體研究了（1）研究基於多通道DTI特徵融合的腦組織分割算法;（2）基於統計理論的腦組織分割算法；（3）構建了光流約束機制的特徵匹配模型;（4）構建具有特徵約束的三維光流算法模型。 本項目在《Magnetic resonance imaging》、《Digital Signal Processing》、《Neurocomputing》、《International journal of pattern recognition and artificial intelligence》、《International Joint Conference on Neural Networks》等國外著名學術期刊和會議上發表受本項目資助論文15篇，其中SCI論文9篇，CCF會議論文6篇。申請發明專利3項，其中1項獲得授權，培養博士研究生2名，碩士研究生3名，其中2名獲得國家獎學金。項目負責人文穎獲得2012年度上海市浦江人才，獲得2015年上海市科技進步一等獎（排名第2）。 本課題深入研究了光流理論用於腦圖像配準，構建的DTI配準模型可用於對正常腦圖像、質量較低的新生兒圖像和有缺損的腦結構圖像配準，為腦圖像的高精度、快速及魯棒性配準提供理論基礎和關鍵技術。