基于蒙特卡罗仿真的脑内部组织水分子自扩散模型研究

水分子自扩散特性的研究不仅对脑内部组织生理解剖结构信息的获取具有极其重要的意义,而且对于某些药物在脑内扩散传递过程的研究也有重要参考价值。从脑内部组织具有的生理结构特点出发,总结水分子自扩散模型,并利用蒙特卡罗仿真计算不同结构条件下的水分子自扩散系数。蒙特卡罗仿真计算结果与Latour扩散模型计算结果比较表明,随着扩散加权时间的延长,两个结果越来越接近,进一步验证了Latour模型是一个长扩散加权时间模型。     

基于扩散张量成像利用一阶有限元方法计算脑白质各向异性电导率对脑电位分布的影响

目的 研究脑白质各向异性电导率对头皮电位分布的影响.方法 把由扩散张量成像得到的水分子扩散张量采用体积约束规则计算出白质组织的电导率张量,并根据成像的空间信息建立了包括头皮、颅骨、灰质、脑脊液及白质5种组织的真实头的有限元模型.基于此模型,推导了各向异性电导率脑电正问题的一阶有限元数值算法.最后,采用电流偶极子模型计算头皮电位分布.结果 脑白质各向异性电导率对头皮电位分布有一定的影响,径切比越大,影响越大;左右分布偶极子比上下分布的影响要大.结论 脑电研究中,白质电导率的各向异性为一不可忽略的因素.     

基于核磁共振扩散张量成像技术的脑组织3D分割算法研究

无论在临床诊断上还是在脑电/脑磁研究中,脑组织的准确分割都具有重要的作用.由于DT-MRI比传统MRI能够提供更多的关于脑组织生理结构特性的物理信息,所以基于DT-MRI的分割将更加准确有效.基于扩散张量核磁共振成像技术,提出把脑内部分割成灰质、白质、脑脊液3种组织的新方法,对脑脊液采用扩散张量特征值阈值法进行分割,对白质与灰质采用3D不变参数均值聚类算法进行分割.在Matlab 7.1环境下,采用该方法对病人DT-MRI数据进行实际计算验证,得到较好的结果.对DT-MRI张量空间的准确分割,需要高效率算法与不同脑组织生理结构特性先验知识的有机结合.     

基于QBI成像技术构建脑结构连接网络

目的 为构建脑结构连接网络,本文提出一种基于Q空间球面成像(Q-ball imaging,QBI)技术的扩展多向流线跟踪算法,并根据纤维束路径走向构建脑结构连接矩阵。方法 首先,根据磁共振图像进行脑组织分割,之后与标准模板对比完成灰质功能区域划分和标记;然后,采用球面插补计算取向分布函数(orientation diffusion function,ODF),进而根据扩展多向流线算法进行路径跟踪。最终根据跟踪出的纤维束数量及其路径所处功能区来构建结构连接矩阵。结果 以真实脑数据为对象进行跟踪,生成连接矩阵,并进行连接通路分析。结论 所得结果符合脑生理结构实际情况,适合于构建结构连接网络,为研究脑连接提供了一种新途径。     

基于Log-Euclidean矩阵的脑白质扩散张量场的正则化处理

在临床诊断时为了较快获得数据,扩散张量图像的质量常常不能得到保证,其正则化处理特别重要。为此,本研究提出一种基于Log-Euclidean矩阵的新算法对张量图像进行评估预处理,首先对张量特征值进行自然指数运算以实现张量场到Log-Euclidean矢量场的转换,再通过有限差分法计算矢量场梯度函数最小值,从而实现矢量场的去噪平滑,之后对矢量场取自然对数运算映射回张量空间。在1名志愿者脑扩散张量图像上进行白质纤维束跟踪测试,结果表明该方法有效避免了白质纤维束跟踪中杂从的出现,提高了跟踪平滑性。     

基于张量形态学梯度和图像森林化变换分水岭算法的扩散张量图像脑白质分割

目的 基于张量形态学梯度和图像森林化变换分水岭算法,提出一种从脑扩散张量图像中分割出白质组织的方法,并验证其是否快速、有效.方法 首先总结了几种张量相似性函数,进一步计算张量形态梯度,再利用基于图像森林化变换分水岭算法对脑扩散张量图像进行白质组织的分割.结果 采用此方法对志愿者的脑扩散张量图像进行分割,得到了较好结果....     

由水分子扩散张量计算脑组织电导率张量的新方法

脑组织电导率在脑电/磁研究中是一个重要参数.为了获取脑组织电导率,本研究利用扩散张量成像(DTI)技术,从电化学角度出发,提出了基于Stokes-Einstein与Nernst-Einstein方程的计算脑组织电导率的一种新方法,以三个正交方向上的电导率作为不同脑组织的电导率张量特征值.在人体头部DTI数据上进行计算,并与不同脑组织(白质、灰质、脑脊液)的经验电脑率值进行了对比,发现扩散各向异性越严重的组织,其电导率张量特征值偏离经验值越远,进一步证明了在脑电,磁计算中要考虑脑组织电导率各向异性的必要性.所提出的方法,基于扩散张量,考虑脑液体中各种离子浓度等因素,为获取脑组织各向异性电导率分布提供了一种新的有效途径.     

基于动态加权符号互信息与k均值聚类的帕金森病患者静息脑电关联状态识别

目前，帕金森病发生率在逐渐上升，严重影响着患者生活质量，社会诊疗负担不断加重。然而，该病的早期监测手段有限，很难及时干预。为了发现其标志物，本文对服药前后帕金森病患者及健康人的32通道静息态脑电数据进行分频段研究。首先利用动态加权符号互信息计算各通道脑电信号间相关性，再通过k均值聚类实现信号关联矩阵的分类，最后得到脑电信号关联状态。通过统计分析发现，在Beta频段（P=0.034）与Gamma频段（P=0.010）各有一个脑电信号关联状态可显著区分未服药帕金森病患者与健康人。这表明未服药帕金森病患者与健康人的静息态脑电各通道信号相关性差异有统计学意义。而在服药与未服药帕金森病患者、服药帕金森病患者与健康人之间，其关联状态差异均没有统计学意义。这可为帕金森病的临床诊断提供一种参考。