基本信息
- 項目名稱：
- 基于擴散張量成像的腦白質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)化的腦白質纖維隨機跟蹤算法，并研發(fā)了國內(nèi)首款腦白質纖維三維重建軟件。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纖維跟蹤。 （3）腦白質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)化的白質纖維隨機跟蹤算法、Streamline算法、隨機跟蹤算法等）來重建腦白質纖維，利用VTK三維展示腦白質纖維的三維走向，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)化的白質纖維隨機跟蹤算法、Streamline算法、隨機跟蹤算法等）來重建腦白質纖維，從而得到腦白質纖維走向，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、旋轉翻轉調(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實際應用。而據(jù)此開發(fā)的用于分析腦白質纖維微結構的專業(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、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)尚無一款腦白質纖維三維重建的軟件，更不用說在臨床醫(yī)學上的應用了。
