数据驱动的三叉神经纤维束自动分割算法

目前三叉神经的纤维跟踪成像过程中普遍存在人工依赖性问题,主要包括人工绘制感兴趣区域(ROI)及手动筛选目标纤维束,导致结果的不确定性和数据误差。针对此类问题,提出一种数据驱动的三叉神经纤维自动分割算法。利用多组大脑样本的纤维数据,建立数据驱动的纤维聚类图谱,实现新样本纤维数据的自动分割,直接得到三叉神经纤维束。在实验中,选择25组青年健康人的数据作为样本数据。首先,利用FSL软件分割工具提取脑干作为ROI,进行确定性纤维跟踪。其次,通过对20组纤维数据进行多样本配准和谱聚类,创建数据驱动的纤维聚类图谱。根据三叉神经细小的特点,在建立纤维图谱过程中,通过对脑干纤维束进行二次分类来标注三叉神经纤维束。最后,选择5组青年健康人的新样本数据,将其脑干纤维数据应用纤维图谱自动分割得到三叉神经纤维束,并计算同一样本数据的自动分割结果与手动分割结果之间的加权Dice系数。结果显示,所提出的方法成功分割5组数据的三叉神经纤维束,而传统人工方法成功识别4组三叉神经纤维束,两者结果之间的加权Dice系数分别为0.865,0.939,0.824,0.942。该方法可以有效避免人为因素的影响,提高神经外科医生与颅神经研究者的工作效率。