CN101496723B - 一种获取神经导航系统影像学资料的方法 - Google Patents

Abstract

本发明公开了一种获取神经导航系统影像学资料的方法，包括以下步骤：采用功能磁共振扫描成像方式，获取扫描图像；所述功能磁共振扫描成像方式包括BOLD扫描脑皮层功能成像和DTI扫描脑白质功能成像；传输所述扫描图像，根据DICOM进行传输，分类并转化；依照分类，将神经导航专用结构像分别与转化后的所述扫描图像进行配准融合；所述配准融合包括BOLD激活图的配准映射和DTI图的融合。从而将神经功能影像在神经导航中进行配准融合，并进行脑白质纤维束示踪，作为神经导航系统的影像学资料，为术前制定手术计划、术中保护正常脑功能提供了有力工具，并为脑功能研究提供了平台。

Description

一种获取神经导航系统影像学资料的方法

技术领域

本发明涉及神经外科手术医学图像辅助技术，尤其涉及的是，一种采用功能磁共振成像方式，获取神经导航系统影像学资料的方法。

背景技术

早期神经外科手术导航系统仅采用结构图像信息，旨在精确定位颅内病变位置，但缺乏脑功能信息。

常用的成像技术包括：MRI(Magnetic Resonnance Imaging，磁共振成像)、MRA(Magnetic Resonnance Angiography，磁共振血管造影术)、DSA(Digital Subtraction Angiography，数字减影血管造影术)、PET(PositronEmission Tomography，正电子发射断层像)、CT(Computerized Tomography，计算机断层扫描像)、SPECT(Single Photo Emission Computer Tomography，单光子发射计算机断层扫描像)、Ultrasound(超声成像术)、X-Ray(X射线成像)等等。

因此现有技术采用了CT/MRI技术进行扫描，获取神经导航系统的影像学资料，从而为术前制定手术计划、术中保护正常脑功能提供帮助。其中，MRI是重要的辅助检查之一，在采用T1加权和T2加权成像上，早期在6h后就可出现异常，表现为长T1和长T2信号，T1为低信号，T2为高信号。更为早期的诊断方法为弥散加权像(DWI)和灌注成像(PWI)，可以自症状出现数分钟出现异常，最多在发病后1h左右即可出现。

功能磁共振成像技术(fMRI，functional Magnetic Resonance Imaging)已成为探究脑功能的重要手段，基于血氧水平依赖度(BOLD，BloodOxygenation Level Dependent)的脑皮层功能成像和基于扩散张量成像(DTI，Diffusion Tensor Imaging)的脑白质功能成像是目前常用的功能磁共振成像技术。功能磁共振成像具有以下优点：1、无损伤，不需要注射放射性同位素；2、有较好的空间分辨率和时间分辨率；3、可同时便捷地获得全脑三维解剖和功能图像；4、所需扫描时间较短；5、易于受试者接受。综上，功能磁共振成像具有无损伤、易行、可重复性强等特点，因此，为改善神经外科术中对正常神经功能的保护，有必要将脑功能成像信息纳入神经导航中。

但是，现有技术的神经导航系统没有采用功能磁共振成像技术，因此需要改进。

发明内容

本发明所要解决的技术问题是如何将功能磁共振成像技术结合应用于神经导航系统。

本发明的技术方案如下：

一种获取神经导航系统影像学资料的方法，其包括以下步骤：A1、采用功能磁共振扫描成像方式，获取扫描图像；所述功能磁共振扫描成像方式包括BOLD扫描脑皮层功能成像和DTI扫描脑白质功能成像；其中所述DTI采用至少6个预设置的梯度加权方向进行扫描；所述扫描图像包括定位图像、序列图像和三维全脑扫描图像；A2、传输所述扫描图像，根据DICOM进行传输、分类并转化；A3、依照分类，将神经导航专用结构像分别与转化后的所述扫描图像进行配准融合；所述配准融合包括BOLD激活图的配准映射和DTI图的融合；所述BOLD激活图的配准映射包括以下步骤：采用BOLD伪彩激活图映射神经导航系统的T1结构像，根据伪彩色红色通道信息进行配准，将功能激活图像映射到三维全脑扫描图像空间；所述DTI图的融合包括以下步骤：用最小二乘法取得各个梯度加权方向的扩散张量参数的最优解，获得扩散方向特征值伪彩图像及FA图像，采用预设置的线性融合方式与神经导航系统的T1结构像进行融合，并在融合后的FA图像上标记兴趣区进行纤维束示踪；所述配准采用多分辨率最大互信息法进行，具体包括以下步骤：C1、将三维全脑扫描图像作为参考图像，以BOLD图像或DTI图像作为浮动图像；C2、以浮动图像的条件熵作为配准的测度，计算互信息；以互信息最大值判断参考图像与浮动图像是否对齐；C3、是，则由变换的雅克比矩阵得到变换参数的函数进行求导优化，通过使用优化算子使得相似度函数达到最小值或最大值，使用梯度下降法和遗传算法进行优化，通过优化计算目标函数的梯度，沿负梯度方向进行迭代，求最优解，完成配准。

所述的方法，其中，所述BOLD激活图的配准具体包括以下步骤：根据第一层图像的位置和图像层间距计算全部图像位置，采用软件处理生成激活图，提取预设置概率p值的激活图数据，将其对应到三维全脑扫描图像空间，依据三维全脑扫描图像x、y、z体素物理尺寸中的最小值，将功能激活图像映射到三维全脑扫描图像空间。

所述的方法，其中，所述纤维束示踪，采用流水线方法进行，具体包括以下步骤：B1、预设置感兴趣区域，计算体素的实际覆盖物理空间，并且预设置各向异性系数阈值和两主特征向量之间夹角阈值；B2、采用双端队列数据结构，从种子点出发，沿最大特征值对应的特征向量正方向追踪，根据该体素的Voronoi分区，计算沿最大特征向量移动的距离；B3、判断FA值和主特征向量间夹角是否分别超过预设置的阈值，是则执行B4，否则执行B7；B4、在x、y、z方向上，判断某一长度是否大于一个体素的尺寸的一半，是则执行B5，否则执行B6；B5、通过梁友栋线段裁剪法进行裁剪，使得线段终点落在邻域体素内部或边界上，并在当前点位置索引加1；执行B3；B6、在当前点物理位置增加偏移量，把当前点物理坐标及其方向加入队列；B7、得到最终跟踪结果，作为进行纤维束示踪的兴趣区。

所述的方法，其中，步骤B1中，预设置所述夹角阈值为30度。

所述的方法，其中，步骤B1中，预设置所述各向异性系数阈值为0.1至0.8。

所述的方法，其中，步骤B1中，预设置所述各向异性系数阈值为0.2。

所述的方法，其中，步骤A1中，对语言区和运动区采用以下方式，获取扫描图像：听觉的汉语同音节判断和韵母判断，包括汉语口语的音节听知觉、声音-语音转换、构音、内在言语、选择性注意与比较、匹配判断、指令的理解记忆、手部动作功能；视觉图像的语义分类判断，包括视知觉和物品辨认、命名、语义分类、匹配判断、指令的理解记忆、手部动作功能；汉字默读，包括汉语字词阅读的视知觉、字形-语音转换、内在言语功能。

所述的方法，其中，步骤A1中，所述DTI采用12个预设置的梯度加权方向进行扫描。

所述的方法，其中，步骤A3中，还将神经导航专用结构像分别与转化后的扩散加权图像和计算机断层扫描图像进行配准融合。

采用上述方案，本发明通过将神经功能影像，包括BOLD激活图和DTI图像，在神经导航中进行配准融合，并进行脑白质纤维束示踪，作为神经导航系统的影像学资料，从而为术前制定手术计划、术中保护正常脑功能提供了有力工具，并为脑功能研究提供了平台。

附图说明

图1为T1-CT融合示意图；

图2为T1-T2融合示意图；

图3为T1-FLAIR融合示意图；

图4为T1-PWI融合示意图；

图5为T1-CBF融合示意图；

图6为T1-CBV融合示意图；

图7为T1-MTT融合示意图；

图8为T1-TTP融合示意图；

图9为T1-FA图融合示意图；

图10为T1-FA_color图融合示意图；

图11为T1-BOLD激活图融合示意图；

图12为T1-DWI融合示意图；

图13为BOLD激活图与白质纤维束示踪的神经导航工作界面局部示意图；

图14为CBV融合图的导航界面示意图；

图15为CBF融合图的导航工作界面局部示意图；

图16为FLAIR融合图的导航工作界面局部示意图；

图17为本发明方法流程图。

具体实施方式

以下结合附图和具体实施例，对本发明进行详细说明。

本发明目的是将多模态、功能神经影像融合入神经导航系统，因此本发明提供了一种采用功能磁共振成像方式，获取神经导航系统影像学资料的方法，如图17所示，其包括以下步骤：A1、采用功能磁共振扫描成像方式，获取扫描图像；A2、传输所述扫描图像，根据医学数字图像通讯标准(DICOM)进行传输、分类并转化；A3、依照分类，将神经导航专用结构像分别与转化后的所述扫描图像进行配准融合。步骤A3中，还可以将神经导航专用结构像分别与转化后的扩散加权图像和计算机断层扫描图像进行配准融合。

步骤A3中，所述配准可以采用多分辨率最大互信息法进行，具体包括以下步骤：C1、将三维高分辨率图像作为参考图像，以BOLD图像或DTI图像作为浮动图像；C2、以浮动图像的条件熵作为配准的测度，计算互信息；以互信息最大值判断参考图像与浮动图像是否对齐；C3、是，则由变换的雅克比矩阵得到变换参数的函数进行求导优化，通过使用优化算子使得相似度函数达到最小值或最大值，使用梯度下降法和遗传算法进行优化，通过优化计算目标函数的梯度，沿负梯度方向进行迭代，求最优解，完成配准。

具体地说，所述功能磁共振扫描成像方式至少包括血氧水平依赖度(BOLD)扫描脑皮层功能成像和扩散张量成像(DTI)扫描脑白质功能成像；其中所述DTI采用至少6个预设置的梯度加权方向进行扫描，例如，所述DTI采用6个、8个、10个或12个预设置的梯度加权方向进行扫描；所述扫描图像一般包括定位图像、序列图像和三维全脑图像；所述配准融合包括BOLD激活图的配准映射和DTI图的融合。

例如，一个技术方案说明如下：首先医生让病人平躺在磁共振扫描床上，病人进行功能磁共振扫描，获取定位像，功能磁共振扫描序列图像和三维高分辨率全脑扫描图像，利用医院PACS(Picture Arching andCommunication System，医学影像储存与传输)系统进行图像传输，对DICOM(Digital Imaging and Communications in Medicine，医学数字图像通讯标准)图像进行转化、分类后，将磁共振导航专用结构像与扩散加权图像(PWI，Perfusion Weighted Imaging)、BOLD激活图、计算机断层扫描图像(CT，Computed Tomography)等图像进行配准融合。

所述BOLD激活图的配准映射包括以下步骤：采用BOLD伪彩激活图映射神经导航系统的T1结构像，根据伪彩色红色通道信息进行配准，将功能激活图像映射到三维图像空间。例如，所述BOLD激活图的配准包括以下步骤：根据第一层图像的位置和图像层间距计算全部图像位置，采用软件处理生成激活图，提取预设置概率p值的激活图数据，将其对应到三维全脑扫描图像空间，依据三维图像x、y、z体素物理尺寸中的最小值，将功能激活图像映射到三维图像空间。

所述DTI图的融合包括以下步骤：用最小二乘法取得各个梯度加权方向的扩散张量参数的最优解，获得扩散方向特征值伪彩图像及分布各向异性(FA)图像，采用预设置的线性融合方式与神经导航系统的T1结构像进行融合，并在融合后的FA图像上标记兴趣区进行纤维束示踪。

其中，所述纤维束示踪，采用流水线方法进行，具体包括以下步骤：

B1、预设置感兴趣区域，计算体素的实际覆盖物理空间，并且预设置各向异性系数阈值和两主特征向量之间夹角阈值。一般地，可以预设置所述夹角阈值为30度。可以预设置所述各向异性系数阈值为0.1至0.8，例如，预设置所述各向异性系数阈值为0.2。

B2、采用双端队列数据结构，从种子点出发，沿最大特征值对应的特征向量正方向追踪，根据该体素的维诺(Voronoi)分区，计算沿最大特征向量移动的距离；

B3、判断FA值和主特征向量间夹角是否分别超过预设置的阈值，是则执行B4，否则执行B7；

B4、在x、y、z方向上，判断某一长度是否大于一个体素的尺寸的一半，是则执行B5，否则执行B6；

B5、通过梁友栋线段裁剪法进行裁剪，使得线段终点落在邻域体素内部或边界上，并在当前点位置索引加1；执行B3；

B6、在当前点物理位置增加偏移量，把当前点物理坐标及其方向加入队列；

B7、得到最终跟踪结果，作为进行纤维束示踪的兴趣区。

在功能磁共振辅助神经外科手术的应用中，语言区和运动区的检测是非常重要的。要检测运动区，让病人做手指扣击运动即可。而语言区的检测则比较复杂。例如，在步骤A1中，对语言区和运动区可以采用以下方式作为实验任务设计，以获取扫描图像：

听觉的汉语同音节判断和韵母判断，包括汉语口语的音节听知觉、声音-语音转换、构音、内在言语、选择性注意与比较、匹配判断、指令的理解记忆、手部动作功能；

视觉图像的语义分类(是否动、植物)判断，包括视知觉和物品辨认、命名、语义分类、匹配判断、指令的理解记忆、手部动作功能；

汉字默读，包括汉语字词阅读的视知觉、字形-语音转换、内在言语等功能。

获取图像后，由于导航采用高分辨率三维全脑扫描图像，而功能磁共振图像分辨率较低，而且可能扫描时有头动，所以要进行配准。因为是同一病人，所以要进行刚体变换，即同一病人的头动只有旋转和平移。

图像的刚体转换说明如下：

采用(α，β，γ)表示旋转，点P(x，y，z)通过平移(t_x，t_y，t_z)变换到点P′(x′，y′，z′)，用矩阵表示如下：

$P^{\′}=\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\\ z^{\′}\\ 1\end{array}\right]=\mathrm{TX}=\left[\begin{array}{cccc}1& 0& 0& t_x\\ 0& 1& 0& t_y\\ 0& 0& 1& t_z\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 1\end{array}\right]$

欧拉角是将角位移分解为绕三个坐标轴的三个旋转角组成的序列。3D旋转可以是绕任意轴的旋转，旋转(α，β，γ)。因为欧拉角表示三维旋转时会出现“万向锁”问题，而且欧拉角表示不惟一，所以配准时采用四元数来表示旋转。欧拉角和四元数可以相互转化，这样计算配准时采用严格的四元数表示，得到的配准结果可以用直观的欧拉角来理解。

四元数一般定义如下：q＝xi+yj+zk+w；其中w是实数，x、y、z是虚数，其中：i*i＝-1，j*j＝-1，k*k＝-1；

也可以表示为：q＝[v，w]，即四元数是一个有序对，由一个标量部分和一个向量部分组成：q＝(v，w)

设v＝(a，b，c)，则四元数与旋转矩阵的关系是

$M=\left[\begin{array}{ccc}1-{2b}^2-2c^2& 2\mathrm{ab}-2\mathrm{wc}& 2\mathrm{ac}+2\mathrm{wb}\\ 2\mathrm{ab}+2\mathrm{wc}& 1-{2a}^2-{2c}^2& 2\mathrm{bc}-2\mathrm{wa}\\ 2\mathrm{ac}-2\mathrm{wb}& 2\mathrm{bc}+2\mathrm{wa}& 1-{2a}^2-{2b}^2\end{array}\right]$

通过下列公式可以把四元数转化为欧拉角

p＝asin(-2yz-2wx)

下面说明图像配准融合的计算，图像融合的前提是精确的图像配准。图像配准是寻找空间变换，使一幅图像上的点与另一幅图像上的对应点达到空间上一致的过程。如果两幅图像在空间上一致，那么两幅图像的信息可以被融合在一起，从而充分利用了两幅图像各自的特有信息。

采用两种配准方法，第一种是利用DICOM图像信息进行配准，仅适合于少数单次完成扫描，且病人头部在扫描全程中始终保持不动的情况，不同序列图像之间则可以通过DICOM图像中的位置信息和层面扫描方向信息确定，对同一序列的结构像与参数图之间的配准也采用此方法；该方法不需要进行优化。

第二种配准方法为多分辨率最大互信息法，该方法是目前常用的配准方法。将三维扫描高分辨率图像为参考图像，以功能磁共振图像或扩散张量图像为测试图像。确定参考图像后，以测试图像的条件熵作为配准的测度；其中，互信息(Mutual Information，MI)是测量一随机变量与另一随机变量之间的相对信息量。

随机变量A的熵为 $H\left(A\right)=-\underset{a}{\mathrm{\Σ}}{p}_A\left(a\right)\log p_A\left(a\right);$

随机变量B的熵为 $H\left(B\right)=-\underset{b}{\mathrm{\Σ}}{p}_B\left(b\right)\log p_B\left(b\right);$

A与B的联合熵为 $H(A,B)=-\underset{a,b}{\mathrm{\Σ}}{p}_{\mathrm{AB}}(a,b)\log p_{\mathrm{AB}}(a,b);$

如果A和B独立，则p_AB(a，b)＝p_A(a)p_B(b)，并且有H(A，B)＝H(A)+H(B)；

如果随机变量A和B不独立，则H(A，B)＜H(A)+H(B)，

等式两端的差异即为互信息I(A，B)，I(A，B)＝H(A)+H(B)-H(A，B)。

然后以互信息最大判断参考图像与测试图像是否对齐。

由变换的雅克比矩阵得到变换参数的函数进行求导优化，通过使用优化算子使得相似度函数达到最小、或最大值。使用梯度下降法和遗传算法进行优化，以保证优化的鲁棒性，通过优化计算目标函数的梯度，沿负梯度方向进行迭代，求最优解，完成配准。由神经外科医生对融合图像进行主观评价。

下面继续说明BOLD激活图的配准方式。由磁共振成像系统自带BOLD处理软件生成的伪彩激活图映射T1结构像，仅利用伪彩色红色通道信息即可进行配准。若病人在两次扫描的时间内头部未移动，则可以根据扫描的位置信息进行快速对齐。DICOM图像中包含了扫描的位置信息，例如Tag(0020，0032)表示该层图像的原点所在物理空间中的三维坐标。根据第一层图像的位置和图像层间距计算全部图像位置。需要由统计软件处理的实验数据，在应用统计参数图软件(Statistical Parametric Mapping，SPM)或功能神经图像分析软件(Analysis of Functional NeuroImage，AFNI)处理生成激活图后，提取特定p值的激活图数据，将其对应到3D全脑扫描图像空间，控制3D图像X、Y、Z体素物理尺寸中最小值，将功能激活图像映射到3D图像空间，变换后的功能激活图像的像素尺寸与3D图像像素尺寸一致。

下面对DTI图像数据处理与融合进一步说明。功能磁共振成像技术主要研究大脑皮层即灰质的属性。灰质通过白质中的纤维束来连接。如果能够得到连接脑功能区之间的白质纤维束信息，将会对脑的高级功能活动认识得更加清楚。在神经外科手术时，不破坏连接重要功能区的白质纤维束才能保证术后功能区的正常功能，因此精确定位与直观显示联系功能区的白质纤维束对于保证病人的术后康复是非常重要的。

扩散张量成像是通过水分子的运动各向异性参数来确定白质的性质的一种成像方式。水分子在不同组织中的扩散速度和方向是不同的。在各向同性的组织中，如灰质和脑脊液，水分子在各个方向上的扩散是相同的，称为各向同性扩散；而在各向异性的组织中，如白质，由于细胞膜和髓鞘的影响，水分子在沿着纤维束的方向上扩散速度更快，并且受到纤维束垂直方向上的限制，是各向异性扩散。自从1996年以来，扩散张量成像已经得到了广泛研究与临床应用。把扩散张量成像得到的白质纤维束融合到解剖图像空间，可以看到肿瘤与白质纤维束的空间关系。

二阶张量D可以表示为：

$D=\left(\begin{array}{ccc}{D}_{\mathrm{xx}}& D_{\mathrm{xy}}& D_{\mathrm{xz}}\\ D_{\mathrm{yx}}& D_{\mathrm{yy}}& D_{\mathrm{yz}}\\ D_{\mathrm{zx}}& D_{\mathrm{zy}}& D_{\mathrm{zz}}\end{array}\right)$

由于D是实对称矩阵，对角线元素相同，因此一共需要6个参数来表示扩散张量。

磁共振信号通常受水分子扩散的影响而减小。在扩散张量成像中，通过在一个方向施加梯度场以增强信号差异对比度。假设S₀表示在没有施加扩散加权梯度时的信号，而S表示施加扩散加权梯度时的信号，梯度方向为g＝(g_x，g_y，g_z)^T，Stejskal-Tanner方程可以表示两个信号之间的关系为：lnS＝lnS₀-γ²δ²(Δ-δ/3)g^TDg。

采用γ表示氢H¹的磁旋率，δ表示扩散加权梯度脉冲的持续时间，Δ表示两个梯度脉冲中间的间隔时间。其中b＝γ²δ²(Δ-δ/3)称为LeBihanb因子，所以方程可以改写为：lnS＝lnS₀-bg^TDg。

因为扩散张量包含6个未知参数，所以需要至少6个方程才能求解：

$\left\{\begin{array}{c}\ln S_1=\ln S_0-{\mathrm{bg}}_1^T{\mathrm{Dg}}_1\\ \ln S_2=\ln S_0-{\mathrm{bg}}_2^T{\mathrm{Dg}}_2\\ \ln S_3={\ln S}_0-{\mathrm{bg}}_3^T{\mathrm{Dg}}_3\\ \ln S_4=\ln S_0-{\mathrm{bg}}_4^{T}D{g}_4\\ \ln S_5=\ln S_0-{\mathrm{bg}}_5^{T}D{g}_5\\ \ln S_6={\ln S}_0-{\mathrm{bg}}_6^{T}D{g}_6\end{array}\right.$

在临床实际扫描时，为了得到信噪比更好的图像，往往采用多于6个梯度加权方向扫描，这时方程数目多于6个，可采用最小二乘计算最优解。

由于二阶张量可以用矩阵来表示，可以分解出特征值和特征向量：Dx＝λx，x≠0。

根据特征值的形式扩散可以分为3类

1.线性扩散λ₁□λ₂≈λ₃：扩散主要沿最大特征值对应的特征向量方向上扩散。

2.平面扩散λ₁≈λ₂□λ₃：扩散限制在一个平面上进行。

3.圆球扩散λ₁≈λ₂≈λ₃：扩散在各个方向上速度接近相同，所以是各向同性扩散。

λ₁对应的特征向量为(e_1x，e_1y，e_1z)，采用伪彩色表示扩散方向。

红色通道颜色 $I_{\mathrm{red}}=\left|\arctan \left(\frac{e_{1x}}{e_{1y}}\right)\right|,$

绿色通道颜色 $I_{\mathrm{green}}=\left|\arctan \left(\frac{e_{1y}}{e_{1x}}\right)\right|,$

蓝色通道颜色 $I_{\mathrm{blue}}=\left|\arctan \left(\frac{e_{1z}}{\sqrt{e_{1x}^2+e_{1y}^2}}\right)\right|$

一般定义分布各向异性FA(Fractional Anisotropy)系数来表示水分子沿各个方向扩散的不同：

$\mathrm{FA}=\frac{1}{\sqrt{2}}\frac{\sqrt{{({\mathrm{\λ}}_1-{\mathrm{\λ}}_2)}^2+{({\mathrm{\λ}}_2-{\mathrm{\λ}}_3)}^2+{({\mathrm{\λ}}_1-{\mathrm{\λ}}_3)}^2}}{\sqrt{{\mathrm{\λ}}_1^2+{\mathrm{\λ}}_2^2+{\mathrm{\λ}}_3^2}}$

扩散张量成像需要至少6个梯度加权方向。一般磁共振扫描系统均配有6个梯度加权方向和多于6个梯度加权方向的扫描序列。如西门子磁共振扫描系统配有6个梯度方向和12个梯度方向的扫描序列。

例如，6梯度方向如下：(1.0，0.0，1.0)、(-1.0，0.0，1.0)、(0.0，1.0，1.0)、(0.0，1.0，-1.0)、(1.0，1.0，0.0)和(-1.0，1.0，0.0)。

例如，12梯度方向如下：(1.0，0.0，0.5)、(0.0，0.5，1.0)、(0.5，1.0，0.0)、(1.0，0.5，0.0)、(0.0，1.0，0.5)、(0.5，0.0，1.0)、(1.0，0.0，-0.5)、(0.0，-0.5，1.0)、(-0.5，1.0，0.0)、(1.0，-0.5，0.0)、(0.0，1.0，-0.5)、(-0.5，0.0，1.0)。

在实际扫描中，为了获得信噪比更好的图像数据，通常采用12个梯度方向扫描。例如采用Siemens 12个梯度方向扫描，然后用最小二乘法取得12个扩散张量参数的最优解。获得的扩散方向特征值伪彩图像及FA图像，以线性融合方式导航T1结构像进行融合。线性融合，即两幅图像都标准化到一个相同的灰度强度区间，如[0，4095]，然后通过k_aI₁+k_bI₂来表示融合后图像的灰度强度，其中0.0≤k_a，k_b≤1.0，k_a+k_b＝1.0。在融合后的FA图像上标记兴趣区进行纤维束示踪。

可以采用流水线方法进行纤维束跟踪。算法流程如下：设置感兴趣区域，计算体素的实际覆盖物理空间；设置各向异性系数阈值FA＝0.2，该FA值可由用户设定，设置两主特征向量之间夹角，小于30度，该夹角可由用户设定；采用双端队列数据结构，从种子点出发，沿最大特征值对应的特征向量正方向追踪，根据该体素的Voronoi分区，计算沿最大特征向量移动的距离；在x、y、z方向上，如果长度大于一个体素的尺寸的一半，则通过梁友栋线段裁剪法进行裁剪，使得线段终点落在邻域体素内部或边界上，并在当前点位置索引加1，否则只在当前点物理位置增加偏移量，把当前点物理坐标及其方向压入队列；重复上述计算，如果FA值、主特征向量间夹角不满足条件，则计算停止，得到最终跟踪结果。

综合地说，医学影像技术的不断发展为临床医生提供多种模态、高分辨率的结构、功能图像，这些不同来源的图像信息极大的提高了临床疾病的诊断、治疗水平。脑功能成像在神经导航结构像中的融合可增强神经外科术中对正常神经功能的保护。同源、非同源医学图像的相互融合，不但可以使被融合图像信息间产生互补，而且还可以产生融合后新信息。将分功能MRI等反映脑功能和代谢信息低分辨率图像与空间分辨率较高的结构图像进行融合，形成包含代谢、功能、结构多种类信息的融合图像，使不同模态的图像信息实现相互补充。实现神经导航由结构导航到功能导航的进步。

功能磁共振对手动功能定位中央前回，与神经电生理体感诱发电位(N20/P25)定位完全符合，与唤醒手术中皮层直接刺激定位手区也完全符合。

融合DTI-FT图像导航对不同肿瘤的应用价值不同。颅内肿瘤对神经纤维束的影响分推移和侵蚀两类，脑外肿瘤与脑内肿瘤有显著不同，脑外肿瘤多数与脑组织间存在一蛛网膜层，对神经纤维束的影响是间接的，以推移为主，但也可因继发循环障碍导致脑白质水肿，影响DTI成像及FT神经纤维束示踪结果的异常。脑内肿瘤可起源于脑白质内，恶性脑外肿瘤则可突破蛛网膜侵入脑白质，对脑白质神经纤维产生直接推移、侵蚀。在部分胶质瘤中可以看到肿瘤范围内，即在结构橡上显示的肿瘤范围，存在神经纤维通过，考虑为肿瘤内尚保持结构完整的神经束，术前判断胶质瘤肿瘤范围内有无重要神经纤维通过对选择治疗方案至关重要。如果肿瘤已对重要神经纤维造成严重侵蚀，而DTI-FT不能显示的情况，术中则不能对相应神经通路进行解剖定位，功能图像融合与导航对此类病人无价值不大。

灌注成像(Perfusion Wighted Imaging，PWI)是针对组织血流动力学特征，利用团注外源性或内缘性造影剂，快速成像技术，以及成像数据计算模型获得的、定量的组织微循环灌注图像。由灌注原始数据获得每一个象素的时间-密度(或信号)曲线后，计算不同参数值，根据参数值大小转换成灰度不同的参数图。主要参数包括：脑血容量(Cerebral Blood Volume，CBV)，反应特定组织内血液容积总量，与血管大小和毛细血管开放数量有关；脑血流量(Cerebral Blood Flow，CBF)，是单位时间内流经特定组织的血液容量，反应组织毛细血管内血流量；平均通过时间(Mean Transit Time，MTT)，是血液通过特定组织的平均时间。通常术中以增强扫描所显示的肿瘤强化范围作为肿瘤边界，但是增强扫描是以血脑屏障破坏为成像基础，不能反应胶质瘤在脑组织中的侵袭范围。PWI对微血管高度敏感，故可以显示肿瘤的浸润范围。对呈浸润性生长的III-IV级星形细胞瘤，瘤周水肿区内含有浸润的肿瘤组织，表现为高灌注，这一特点在脑膜瘤和转移性肿瘤中则没有。肿瘤水肿区内的灌注成像高信号反应了肿瘤水肿区内的边界。灌注图像融合在神经导航系统，在术中利用CBV参数图，较易于在广泛的肿瘤水肿区内确定肿瘤实质(即存在质地差异)的边界。

一个例子是，临床病人术前两天进行DTI和fMRI检查，术前一天进行导航结构像扫描。行神经导航下肿瘤切除术。采用Siemens Sonata磁共振成像设备，场强1.5T，DTI序列为12个梯度方向，扫描参数：TR 5900ms，TE 89ms，34层，层厚3mm，Dist factor 10％，扫描视野230mm，像素大小1.8mm×1.8mm×3mm，信噪比1。以薄层T1像为导航的基准图像，扫描参数：TR 10ms，TE 3.05ms，128层，层厚1.5mm，Dist factor 20％，FOV230mm，体素大小0.9mm×0.9mm×1.5mm，信噪比1。手术前1天，病人头皮粘贴标记点，进行导航结构像T1扫描。将T1、DTI和含有标志区的DWI图像经PACS系统传输到安科ASA-610V神经导航工作站，将数据格式转化，计算各向异性参数图像，通过线性融合方式分别与导航T1结构像进行配准融合。例如锥体束与肿瘤，在肿瘤与锥体束交界面上选择标志区，每个区包含9个体素，记录标志区FA等参数，例如获得包含标志区的横轴位DWI图像；然后获得含有锥体束与肿瘤界面标志区的T1融合像及FA各向异性参数图像；通过纤维束跟踪获得锥体束图像。在采用本发明的神经导航下，均能依据融合的肿瘤与锥体束交界面标志点，确定锥体束在脑白质内的走行区域。

含有标记点的导航结构像(T1)与T2、FLAIR(Fluid attenuated inversionrecovery，液体衰减翻转恢复)、PWI及其参数图(CBF/CBV/MTT)、CT图像实现配准融合，融合结果图形显示如下：图1显示T1与CT的融合，图2显示T1与T2融合，图3显示T1与FLAIR融合，图4显示T1与PWI融合，图5显示T1与PWI参数图CBF融合，图6显示T1与CBV融合，图7显示T1与MTT融合，图8显示T1与TTP(time to peak，峰值时间)融合，图9显示T1与FA的融合，图10显示T1与FA-color融合，图11显示T1与BOLD激活图融合。图12为DWI图像与结构像融合后在导航系统中纤维束示踪结果，及其与皮层激活图融合后共同在术中的应用见图13。融合图像在神经外科术中的应用，图14-图16。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (9)

1.一种获取神经导航系统影像学资料的方法，其包括以下步骤：

A1、采用功能磁共振扫描成像方式，获取扫描图像；所述功能磁共振扫描成像方式包括BOLD扫描脑皮层功能成像和DTI扫描脑白质功能成像；其中所述DTI至少采用6个预设置的梯度加权方向进行扫描；所述扫描图像包括定位图像、序列图像和三维全脑扫描图像；

A2、传输所述扫描图像，根据DICOM进行传输，分类并转化；

A3、依照分类，将神经导航专用结构像分别与转化后的所述扫描图像进行配准融合；所述配准融合包括BOLD激活图的配准映射和DTI图的融合；

所述BOLD激活图的配准映射包括以下步骤：采用BOLD伪彩激活图映射神经导航系统的T1结构像，根据伪彩色红色通道信息进行配准，将功能激活图像映射到三维全脑扫描图像空间；

所述DTI图的融合包括以下步骤：用最小二乘法取得各个梯度加权方向的扩散张量参数的最优解，获得扩散方向特征值伪彩图像及FA图像，采用预设置的线性融合方式与神经导航系统的T1结构像进行融合，并在融合后的FA图像上标记兴趣区进行纤维束示踪；其中：所述配准采用多分辨率最大互信息法进行，具体包括以下步骤：

C1、将三维全脑扫描图像作为参考图像，以BOLD图像或DTI图像作为浮动图像；

C2、以浮动图像的条件熵作为配准的测度，计算互信息；以互信息最大值判断参考图像与浮动图像是否对齐；

C3、是，则由变换的雅克比矩阵得到变换参数的函数进行求导优化，通过使用优化算子使得相似度函数达到最小值或最大值，使用梯度下降法和遗传算法进行优化，通过优化计算目标函数的梯度，沿负梯度方向进行迭代，求最优解，完成配准。

2.根据权利要求1所述的方法，其特征在于，所述BOLD激活图的配准具体包括以下步骤：根据第一层图像的位置和图像层间距计算全部图像位置，采用软件处理生成激活图，提取预设置概率p值的激活图数据，将其对应到三维全脑扫描图像空间，依据三维全脑扫描图像x、y、z体素物理尺寸中的最小值，将功能激活图像映射到三维全脑扫描图像空间。

3.根据权利要求1所述的方法，其特征在于，所述纤维束示踪，采用流水线方法进行，具体包括以下步骤：

B1、预设置感兴趣区域，计算体素的实际覆盖物理空间，并且预设置各向异性系数阈值和两主特征向量之间夹角阈值；

B2、采用双端队列数据结构，从种子点出发，沿最大特征值对应的特征向量正方向追踪，根据该体素的Voronoi分区，计算沿最大特征向量移动的距离；

B3、判断FA值和主特征向量间夹角是否分别超过预设置的阈值，是则执行B4，否则执行B7；

B4、在x、y、z方向上，判断某一长度是否大于一个体素的尺寸的一半，是则执行B5，否则执行B6；

B5、通过梁友栋线段裁剪法进行裁剪，使得线段终点落在邻域体素内部或边界上，并在当前点位置索引加1；执行B3；

B6、在当前点物理位置增加偏移量，把当前点物理坐标及其方向加入队列；

B7、得到最终跟踪结果，作为进行纤维束示踪的兴趣区。

4.根据权利要求3所述的方法，其特征在于，步骤B1中，预设置所述夹角阈值为30度。

5.根据权利要求3所述的方法，其特征在于，步骤B1中，预设置所述各向异性系数阈值为0.1至0.8。

6.根据权利要求5所述的方法，其特征在于，步骤B1中，预设置所述各向异性系数阈值为0.2。

7.根据权利要求1所述的方法，其特征在于，步骤A1中，对语言区和运动区采用以下方式，获取扫描图像：

听觉的汉语同音节判断和韵母判断，包括汉语口语的音节听知觉、声音-语音转换、构音、内在言语、选择性注意与比较、匹配判断、指令的理解记忆、手部动作功能；

视觉图像的语义分类判断，包括视知觉和物品辨认、命名、语义分类、匹配判断、指令的理解记忆、手部动作功能；

汉字默读，包括汉语字词阅读的视知觉、字形-语音转换、内在言语功能。

8.根据权利要求1所述的方法，其特征在于，步骤A1中，所述DTI采用12个预设置的梯度加权方向进行扫描。

9.根据权利要求1所述的方法，其特征在于，步骤A3中，还将神经导航专用结构像分别与转化后的扩散加权图像和计算机断层扫描图像进行配准融合。

Images