基本信息
- 項目名稱：
- 基于擴散張量成像的腦白質(zhì)纖維三維重建算法研究與軟件開發(fā)
- 小類：
- 信息技術
- 大類：
- 科技發(fā)明制作B類
- 簡介：
- 本項目基于高階張量模型估計擴散張量信號，以解決纖維交叉等問題。進而，基于該模型研究一種精確、快速的群體優(yōu)化的纖維隨機跟蹤算法。最后開發(fā)了基于.NET平臺的腦白質(zhì)纖維三維重構軟件系統(tǒng)。該系統(tǒng)集成了現(xiàn)有常用算法及本項目研究的新算法，利用VTK三維展示腦白質(zhì)纖維的三維走向，在實際臨床數(shù)據(jù)中得到測試應用。結果表明，本項目提出的算法能精確、快速地獲取給定腦區(qū)間的纖維連接度量。
- 詳細介紹：
- 本項目基于高階張量模型估計擴散張量信號，以解決纖維交叉等問題。針對目前國際上流行的腦白質(zhì)纖維跟蹤算法精度低、速度慢等問題，在高階張量模型的基礎上提出了一種新型的算法——基于群體優(yōu)化的腦白質(zhì)纖維隨機跟蹤算法，并研發(fā)了國內(nèi)首款腦白質(zhì)纖維三維重建軟件。通過該軟件，用戶可以選擇基于群體優(yōu)化的腦白質(zhì)纖維隨機跟蹤算法或者目前國際流行的算法來重建腦白質(zhì)纖維。該軟件可以為腦部病癥的臨床醫(yī)學診斷提供圖像依據(jù)，也可為腦白質(zhì)微結構和腦機制的研究提供高效的分析工具。
作品圖片
作品專業(yè)信息
設計、發(fā)明的目的和基本思路、創(chuàng)新點、技術關鍵和主要技術指標
- 研究目的： 基于擴散張量成像的腦白質(zhì)纖維三維重建技術，是目前較常用的一種能對活體腦神經(jīng)連接進行非侵入式研究的方法。可為腦部疾病的診斷提供輔助。但是目前腦白質(zhì)纖維微結構的重建算法還存在精度低、計算機運算耗時長等問題，對于此技術的應用也缺乏配套的專業(yè)輔助軟件。因此，本項目致力于研究一種更加快速、精確地腦纖維三維重建算法，并開發(fā)一款腦白質(zhì)纖維三維重建可視化的軟件系統(tǒng)，用于分析腦神經(jīng)纖維的走向。 研究內(nèi)容： （1）腦白質(zhì)纖維三維重建模型 目前常利用擴散張量成像（DTI）模型建立體素纖維擴散張量，但由于擴散張量模型在低各向異性和多種纖維交叉方面的局限性，最近的研究在現(xiàn)有DTI模型的基礎上，利用新的高角度分辨率獲取手段來優(yōu)化DTI模型，提出一種高階張量模型。 （2）腦白質(zhì)纖維三維重建算法 本項目提出了一種基于高階張量模型的群體優(yōu)化隨機跟蹤新方法，該方法有效地結合了局部纖維走向分布和全局纖維路徑的信息，利用粒子群技術進行腦白質(zhì)纖維跟蹤。 （3）腦白質(zhì)纖維三維重建軟件系統(tǒng) 本項目開發(fā)出了一款用于腦白質(zhì)纖維三維重建的軟件。 技術關鍵及創(chuàng)新點： （1）優(yōu)化DTI模型的基礎上提出了高階張量模型。 （2）基于高階張量模型，提出了一種全新的群體優(yōu)化隨機跟蹤算法。算法能利用較少數(shù)目的粒子迅速獲得全局最優(yōu)纖維，從而顯著提高纖維跟蹤效率。 （3）項目軟件界面布局明朗 ，操作簡單，有利于計算機操作經(jīng)驗不足的醫(yī)務人員迅速上手，快速掌握要領，有利于醫(yī)學推廣。
科學性、先進性
- 本項目基于高階張量模型估計擴散張量信號，以解決纖維交叉等問題。進而，基于該模型研究一種精確、快速的群體優(yōu)化的纖維隨機跟蹤算法。該算法能快速并精確地跟蹤出腦白質(zhì)纖維；在此基礎上，項目組還開發(fā)了國內(nèi)首款基于.NET的腦白質(zhì)纖維三維重建軟件，通過該軟件，用戶可以選擇不同的算法（基于群體優(yōu)化的白質(zhì)纖維隨機跟蹤算法、Streamline算法、隨機跟蹤算法等）來重建腦白質(zhì)纖維，利用VTK三維展示腦白質(zhì)纖維的三維走向，在實際臨床數(shù)據(jù)中得到測試應用。結果表明，本項目提出的算法能精確、快速地獲取給定腦區(qū)間的纖維連接度量，為腦白質(zhì)微結構的研究和腦部病癥的診斷提供有效地輔助分析工具。
獲獎情況及鑒定結果
- 1. 2009年浙江省新苗人才計劃項目，項目題目:腦纖維微結構三維重建軟件開發(fā)(項目編號：2010R403012) 2. 2010年XXXX大學第二十二屆“運河杯”大學生課外學術科技作品競賽特等獎作品 3. XXXX大學第十二屆“挑戰(zhàn)杯”課外學術科技作品競賽校內(nèi)重點培育項目 4. 2011年浙江省第十二屆“挑戰(zhàn)杯”課外科技學生作品競賽一等獎
作品所處階段
- 中試階段
技術轉(zhuǎn)讓方式
- 無
作品可展示的形式
- 實物、產(chǎn)品；現(xiàn)場演示；圖片；錄像
使用說明,技術特點和優(yōu)勢,適應范圍,推廣前景的技術性說明,市場分析,經(jīng)濟效益預測
- 使用說明： 本項目軟件集成多套算法，可對源數(shù)據(jù)進行多種重建或擇優(yōu)重建。用戶可以選擇不同的算法（基于群體優(yōu)化的白質(zhì)纖維隨機跟蹤算法、Streamline算法、隨機跟蹤算法等）來重建腦白質(zhì)纖維，從而得到腦白質(zhì)纖維走向，并通過三維重建技術使纖維走向可視化。在此基礎上，用戶可以通過放大縮小、拉近拉遠、旋轉(zhuǎn)翻轉(zhuǎn)調(diào)整三維圖像的視角來更精確地觀察腦部。 適用范圍： 各類腦部病癥的診斷和治療，如：精神分裂癥，腦腫瘤，肌萎縮側(cè)索硬化癥等。 前景分析和市場預測： 本項目提出的基于擴散張量成像的腦白質(zhì)纖維三維重建算法，推動了腦纖維跟蹤成像技術進一步走向?qū)嶋H應用。而據(jù)此開發(fā)的用于分析腦白質(zhì)纖維微結構的專業(yè)分析軟件，由于結合了先進算法，并且簡便實用、易于操作，將為醫(yī)生的診斷帶來便利，并被廣泛應用于醫(yī)學領域，帶來極大的社會效益和經(jīng)濟效益。
同類課題研究水平概述
- 國外研究現(xiàn)狀： 當前國外在該領域的研究比較領先，許多大學的研究機構都發(fā)表過自己的研究成果。 哈佛大學醫(yī)學院和SPL(Surgical Planning Laboratory)主導的聯(lián)合實驗室是目前本領域內(nèi)研究最前沿的機構。哈佛大學醫(yī)學院的學者和SPL的研究人員在最近提出了一種基于Bayesian模型的纖維隨機跟蹤方法。該算法有效地減小了外界噪聲對成像的干擾，加快了纖維跟蹤的速度，但是纖維跟蹤的精確度仍然不能令人滿意。醫(yī)學院和SPL開發(fā)的Slicer軟件是目前本領域研究使用較多的專業(yè)軟件。 日本奈良大學佐藤鐵夫教授對以往的擴散張量算法進行了改進。改進后的算法在纖維跟蹤時，不僅要考慮當前體素的特征信息（比如各向異性FA），還要考慮附近體素的相似特征信息，以便于跟蹤出纖維在任意兩點間的走向，從而有效地控制纖維的始末。 國內(nèi)研究現(xiàn)狀： 國內(nèi)在擴散張量成像、纖維跟蹤算法方面的研究晚于國外，在腦白質(zhì)纖維三維重建算法方面的研究也才剛剛起步，而致力于該方面研究的人員也較少，所以取得的研究成果屈指可數(shù)。 中科院自動化所醫(yī)學影像研究室的研究員提出了基于MTC模型的纖維跟蹤算法，該算法充分利用DTI的性質(zhì)、低曲率的先驗知識和跟蹤慣性來共同完成纖維追蹤。相對于Streamline算法，基于MTC模型的纖維跟蹤算法有較低的纖維曲率和較高的精確性。他們還針對醫(yī)學圖像呈現(xiàn)問題開發(fā)了MITK類庫，但至今未開發(fā)出一款腦白質(zhì)纖維三維重建軟件。 香港理工大學數(shù)學應用研究所祁力群教授從DTI模型和HARDI模型出發(fā)，提出了高階半正定擴散張量成像(PSDT)模型。該模型能更好地描述神經(jīng)纖維走向，但計算過程復雜，容易引入不確定性誤差，且效率低。 東南大學湯天宇教授提出的算法結合了Streamline算法與張量彎曲法(Tensor Deflection, TEND)的優(yōu)點，對不同的擴散形狀采用不同的跟蹤算法，特別是針對平面擴散的情況提出了更接近纖維走向的跟蹤算法，但該算法計算量比較大，還不能達到快速跟蹤的效果。 迫于研究方面的不足，目前國內(nèi)醫(yī)學界仍使用DTI的方法，并未涉及纖維跟蹤成像領域。此外，目前國內(nèi)尚無一款腦白質(zhì)纖維三維重建的軟件，更不用說在臨床醫(yī)學上的應用了。
