基于扩散光谱成像的脑白质纤维束走向跟踪

扩散张量成像对于每一体元只体现水分子自扩散宏观各向异性,不能实现神经纤维束走向分叉跟踪。为了实现分叉跟踪,更加真实地揭示脑神经网络连接情况。该文基于扩散光谱成像技术,提出一种白质纤维束走向分叉跟踪新方法。首先对扩散加权数据施加傅立叶变换得到扩散光谱图像,再计算每一体元扩散概率函数并得到其所有局部最大值,最后设置跟踪步长、走向角度阈值等参数,通过在相邻体元间寻找平滑连接向量以实现纤维束分叉走向跟踪。最后采用实际数据进行计算验证,扩散光谱成像方法跟踪结果更加符合脑组织生理结构特点。从实际计算结果可以看出,扩散光谱成像在白质交叉纤维束跟踪上比扩散张量成像有效合理,但是计算过程比后者复杂很多,不利于临床应用。     

基于离散球面反卷积的白质纤维重构算法

为了解决基于扩散张量成像(DTI)的跟踪过程难以刻画脑白质内复杂纤维结构的问题,提出一种基于离散球面反卷积的确定性跟踪算法.该算法采用离散纤维方向密度函数建立球面反卷积模型,解除对连续球面函数模型的依赖,获得高角度分辨率识别;借助球面高斯函数拟合以补偿离散误差,并在此基础上实现流线型白质纤维跟踪.合成数据、仿真数据和实际临床数据表明：该模型能显著提高体素内小角度交叉纤维的分辨率,并有效抑制噪声.相比于基于其他模型的重构算法,该算法能够更准确地反映活体脑神经组织的真实连接情况.     

扩散张量成像中脑胼胝体结构图像的分割算法

为了准确地将胼胝体结构从扩散张量图像中分割出来,利用K均值聚类算法把白质从脑内部组织中分割出来.通过定义张量间相似度函数将基于标量空间的图形切割算法拓展到张量空间,根据先验知识选择目标与背景种子集合,以张量相似度为权构造图结构.采用最大流算法对白质纤维束亚结构胼胝体进行分割.对病人脑扩散张量图像(DTI)进行分割,分析边界分割惩罚因子与目标分割种子对分割结果的影响.结果表明,图形切割分割算法能够对胼胝体实现准确的分割.     

基于小波滤波的JPDA算法多目标跟踪

研究了一种基于地心坐标的多机动目标跟踪算法,将雷达站的坐标通过地球坐标系转换成地心直角坐标系,得到新坐标系下的数据,利用小波滤波的Matlab算法对坐标测量转换的数据进行分解,将分解得到的测量数据用于机动目标的状态更新,利用JPDA算法将三维坐标进行数据关联,分理出多个目标的飞行航迹,并与小波滤波相融合,得到多目标飞行器各自的飞行轨迹.仿真结果表明,该JPDA与小波滤波融合的算法跟踪性能良好,可以将多目标数据分离,且计算量偏小.     

B样条曲面三维扩展目标跟踪算法

在目标跟踪中，三维扩展目标跟踪的实现通常需要多角度的大量量测数据，单传感器所获得的量测无论是从数量还是完整性上来说，都不能良好地满足三维形状估计的要求。针对低量测率下现有的三维扩展目标跟踪算法形状跟踪效果差的问题，提出了一种基于B样条曲面的泊松多伯努利混合滤波算法。首先，利用小波聚类对多传感器获得的三维空间量测数据进行处理，得到量测簇，在提取有效信息的同时保证算法的效率；然后，对量测簇进行划分，获得控制矩阵，控制矩阵基于B样条的控制点原理实现，因此能够表征复杂三维形状的参数，利用控制矩阵与B样条曲面拟合获得三维扩展目标的形状；最后，将B样条融入泊松多伯努利混合滤波器，扩展到三维目标跟踪，预测和更新扩展目标运动状态和形状参数。经仿真实验和真实点云数据集的验证，所提算法能够对三维扩展目标的运动状态和扩展形状实现良好的跟踪效果，且能够实现不规则三维形状的估计。     

高性能纤维束纤维尺度微细观结构表征及重构

为深入研究纤维束内部纤维的真实排列状态,通过连续截面剖切实验,采用CCD纤维摄像仪获取了高性能纤维束样本的一系列截面图像,利用样条曲线重构出纤维束内部纤维空间走向的三维实体图,真实地再现了纤维束内部每根纤维在空间的路径、偏转以及纤维间的接触状态,将高性能纤维束的微细观结构研究初步推进到了纤维尺度。     

大脑白质纤维束与算术能力的关系

为了探索大脑白质纤维束与算术运算能力的关系,设计了一个认知功能实验测试所有受试者的算术能力,然后采集T1结构像和弥散张量成像。使用约翰霍普金斯大学白质纤维束图谱提取每条纤维束的平均各向异性分数( fractional anisotropy, FA),并与行为数据进行相关性分析。结果显示：减法得分与右扣带束(扣带回区域)和右下纵束的FA值呈正相关,算术运算的反应时均与右上纵束(颞叶部分)的FA值呈负相关,并且这些相关与任务的困难差异无关。结果表明：大脑白质纤维束连贯性或髓鞘化的增强可能会提高某些算术能力,进一步为算术运算的神经基础提供了新的证据。     

基于均值平移的自动人脸检测与跟踪算法

针对彩色图像序列的人脸跟踪问题,提出了一种基于均值平移的自动人脸检测与跟踪算法.对每帧图像采用基于肤色和支持向量机的算法检测人脸,可以减少计算量.对于检测到的人脸,判断是否含有新增人脸,有则将新的人脸加入跟踪序列,否则继续跟踪原有人脸序列.然后采用均值平移算法对人脸序列进行跟踪,其计算量小,跟踪稳定可靠,从而实现自动的人脸检测与跟踪.实验结果表明,该算法可以很好地进行人脸的自动检测跟踪.     

抑制闪烁噪声的SMM-IUKF目标跟踪算法

针对末制导被动雷达跟踪测量的闪烁噪声问题,在分析多模型滤波及其简化算法的基础上,采用迭代不敏卡尔曼滤波(IUKF),设计了一种简化的多模型滤波器(SMM-IUKF),并以一个典型三维目标跟踪问题为例进行了蒙特卡洛仿真验证.该算法具有与SMM算法同阶的计算量,估计精确度高、收敛速度快,较好地解决了闪烁噪声滤波问题.     

基于灰度共生的多线索目标联合优化跟踪

为了提高跟踪算法对多种目标表观变化场景的自适应能力与跟踪精度,提出一种基于灰度共生的多线索目标联合优化跟踪算法。该算法首先提取目标灰度信息,通过灰度共生的高区分度特征对目标进行二元超分描述,结合三阶张量理论融合目标区域的多视图信息,建立起目标的三维在线表观模型,然后利用线性空间理论对表观模型进行双线性展开,通过双线性空间的增量学习更新,降低模型更新时的运算量。通过二级联合跟踪机制对跟踪估计进行动态调整,以避免误差累积出现跟踪漂移。与典型算法进行多场景试验对比,表明该算法能有效地应对多种复杂场景下的运动目标跟踪。     

弥散张量成像技术在癫痫病研究中的应用进展

弥散张量成像是一种利用水分子在人体不同组织中呈现出不同的弥散特征进行成像的技术。文章介绍了弥散张量成像技术的基本原理并详细描述了各种弥散张量成像技术的数据处理方法及在癫痫疾病研究中的应用进展,主要包括手绘感兴趣区方法、基于体素分析方法和基于纤维素示踪方法等,最后指出目前弥散张量成像技术及在癫痫研究中存在的主要问题及未来的研究方向,主要包括抗癫痫药物的影响、纤维束追踪算法、多模态融合、信息传递方向等。     

各向异性头部组织感应电流磁共振电阻抗成像

为了对人体头部组织各向异性电导率分布进行成像,借助扩散张量核磁共振成像(DT-MRI)技术,提出一种新的感应电流磁共振电阻抗成像(IC-MREIT)算法.采用IC-MREIT J-substitution算法,重构头皮、颅骨、脑脊液、灰质组织的各向同性电导率及白质组织的等效各向同性电导率分布,以该等效各向同性电导率分布作为初始信息,迭代重构脑白质各向异性电导率分布.基于磁共振成像(MRI)数据,构建包含5种组织的真实头模型,在该模型上对重构算法的可行性进行验证.在无噪声及15％的噪声水平下,重构电导率的相对误差分别小于15％和24％.仿真结果表明,该算法具有较高的抗噪声能力和成像精度.     

颞叶癫痫致痫灶DTI检测综述

首先介绍了弥散张量成像(diffusion tensor imaging,DTI)的基本概念,然后根据DTI及白质纤维束示踪(diffusion tensor tractography,DTT)技术在分析颞叶癫痫(temporal lobe epilepsy,TLE)患者DTI参数值及脑结构网络变化中的应用,概述了DTI在TLE结构方面包括脑结构网络的研究现状,最后介绍了DTI诊断TLE的发展趋势.     

DTI脑连接组分析中分割模板的选择

由于脑网络性质会因网络构建方法不同(如脑区划分模板、弥散磁共振成像(magnetic resonance imaging,MRI)模型、纤维素追踪算法和网络加权方案等)而出现较大的差异,针对弥散张量成像(diffusion tensor imaging,DTI),基于临床研究中的典型设置,研究了不同分割模板对脑网络拓扑参数的影响.参与本研究的75例健康老年人均接受了相同的认知功能综合评估和同一3T磁共振采集系统的全脑扫描.结果显示全局拓扑属性对脑区划分的空间尺度非常敏感,而对脑区划分原则并不是特别敏感.脑网络的模块化结构相对较稳定,不易受到节点划分尺度和节点划分原则的影响.中等分辨率的模板在大脑老化分析中具有更高的敏感性,可能更适合于常规DTI脑网络分析.     

基于保持参数的DTI各向异性滤波

弥散张量磁共振成像(DTI)易受噪声干扰,且现有DTI去噪方法仅对各方向通道的DWI数据进行单独处理,未充分考虑各通道之间相关性以及DTI数据本身结构和形态特点.针对这些不足,作者根据DTI数据结构及形态特征,综合DWI不同方向通道间相关性,重构统一特征值和特征向量的扩散张量,并增加保持参数对迭代滤波过程进行约束,实现DTI各向异性滤波去噪并降低了对DTI数据结构和形态特征的影响.将所提出的方法分别用于合成弥散张量数据仿真和真实脑部DTI数据实验.仿真和实验结果表明,该方法能有效减少噪声对DTI数据的影响,较之现有去噪方法效果更好.     

基于图割的扩散张量磁共振图像胼胝体分割算法

扩散张量磁共振成像过程易因噪声导致扩散张量图像(diffusion tensor images,DTI)的体素数据发生畸变,使分割效果不佳.针对该问题,提出了一种基于图割的DTI胼胝体分割算法,该算法在求解能量函数的过程中,用非种子点与作为硬约束条件的种子点之间的J-散度中位数表示T-连接权值,用取值范围在(0,1]之间的单调递减指数函数表示N-连接权值,同时构造网格图结构,用最大流/最小切算法计算最小切,实现图像的全局最优二值化分割.DTI图像的分割实验结果表明:所提算法能更为准确地从受噪声影响的数据中提取出胼胝体,各参数不同取值时的重叠率指标统计分析也证明了新算法具有较高的分割精度.