CN102222156A - 人脑中水分子弥散模型的建立方法 - Google Patents
人脑中水分子弥散模型的建立方法 Download PDFInfo
- Publication number
- CN102222156A CN102222156A CN2011100806404A CN201110080640A CN102222156A CN 102222156 A CN102222156 A CN 102222156A CN 2011100806404 A CN2011100806404 A CN 2011100806404A CN 201110080640 A CN201110080640 A CN 201110080640A CN 102222156 A CN102222156 A CN 102222156A
- Authority
- CN
- China
- Prior art keywords
- brain
- image
- district
- hydrone
- coefficient image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及人脑中水分子弥散模型的建立方法。本发明采集脑表观弥散系数图像，将从核磁共振设备上获取的弥散系数图像从DICOM格式转换为ANALYZE7.5格式，将弥散系数图像通过非线性配准，映射到脑图像模板，将脑表观弥散系数图像分割为多个解剖脑区，计算构成各个解剖脑区的体素的灰阶平均值和方差，使用方差分析和团体T检验方法，建立人脑水分子弥散模型。本发明克服了基于体素的统计参数映射图来分析磁共振图像的方法存在着敏感性过高和主观性强的缺陷。本发明建立了一个基于解剖脑区水平的，用来研究认知障碍疾病中的细胞外水分子弥散模式的方法，并编制了图像处理软件来实现该方法。避免了因偶然因素造成的单个体素变化，以及确定“簇”阈值的主观性。
Description
技术领域
本发明涉及一种模式的建立，特别涉及人脑中水分子弥散模型的建立方法。
背景技术
遗忘型轻度认知功能障碍(aMCI)是正常老化和阿尔茨海默病(AD)的过渡时期，每年约12～15％进展为阿尔茨海默病。使用磁共振成像可以为预测遗忘型轻度认知功能障碍是否会进展为阿尔茨海默病提供客观证据。
功能磁共振扩散加权成像(DWI)及其表观弥散系数(ADC值)可用于检测活体细胞外水分子弥散运动，当细胞萎缩等各种原因导致细胞外间隙增大时，ADC值升高。阿尔茨海默病患者中，海马、颞叶干、后扣带回、枕叶、颞顶叶白质中ADC值较正常人有所升高，各个解剖脑功能区内ADC值即水分子弥散模式的改变有助于早期诊断及监测疾病进展。
在本发明之前，多数研究者采用人工勾画感兴趣区法(ROI)，确定脑区后再计算各个脑区的ADC值。人工勾画ROI具有主观性强、费时费力及可操作性较差的缺点，不能客观、快速和准确地显示细胞外水分子弥散运动模式。
在本发明之前，国际上有少数研究机构采用基于体素(VBM)的统计参数映射图(SPM)来分析磁共振图像，但该方法因基于单个体素进行分析，可能因偶然因素造成的单个体素变化，从而导致敏感性过高。而且其分析过程中研究者根据不同的“簇”阈值可以得到不同的研究结果，分析结果具有主观性。
发明内容
本发明的目的就在于克服上述缺陷，设计、开发建立分析人脑中水分子弥散模式的方法。
本发明的技术方案是：
人脑中水分子弥散模型的建立方法，其主要技术步骤如下：
(1)采集认知障碍疾病的患者脑表观弥散系数图像；
(2)将从核磁共振设备上获取的弥散系数图像从DICOM格式转换为ANALYZE 7.5格式；
(3)使用最大互信息方法和离散余弦变换的方法，将弥散系数图像通过非线性配准，映射到脑图像模板；
(4)在大脑解剖模板基础上，将脑表观弥散系数图像分割为多个解剖脑区；
(5)计算构成各个解剖脑区的体素的灰阶平均值和方差；
(6)使用方差分析和团体T检验方法分析患者和健康人的脑区差异；
(7)建立人脑水分子弥散模型。
本发明的优点和效果在于，建立了一个基于解剖脑区(AVOI)水平的，用来研究认知障碍疾病(aMCI和AD)中的细胞外水分子弥散模式的方法，并编制了图像处理软件(BS)来实现该方法。基于解剖脑区(AVOI)分析的优势在于，将大脑半球自动分割为45个脑区，对每个脑区的灰度平均值都进行分析。不需要手工勾画脑区，减少了主观误差，提高了效率，增加了结果的可重复性。以往由资深放射科医生大致画划一个三维脑区需耗时近1小时，而采用本发明的方法，计算全部90个脑区不超过10分钟。
BS软件进行脑区分割之后进行统计和分析，直接确定异常的脑区，不必像基于体素分析法(VBM)的统计参数图(SPM)，只是确定有异常的像素，还需再次参照Talairach图谱查找脑区。使用本方法，可避免基于体素法分析时因偶然因素造成的单个体素变化，以及避免其分析过程中确定“簇”阈值的主观性。另外，BS即可用于群体统计学研究又可进行个体数据分析。
本发明的其他优点和效果将在下面实施方式中继续说明。
附图说明
图1——本发明中水分子弥散模型的建立时的技术方案流程图。包括采集图像、图像质量控制、图像预处理、水分子弥散系数图标准化、提取脑区分析、分割脑区、提取各个脑区内灰阶、生成excel报告及统计分析和异常脑区显示等。
图2——本发明中将水分子弥散模型的建立方法具体实施在轻度认知障碍疾病脑中的效果图。在aMCI和NC组间，ADC值有统计学差异脑区位于边缘系统(左侧海马、左侧海马旁回、右侧岛叶)、左侧丘脑、右侧角回和其他额叶脑回(两侧眶回)。
图3——本发明中将水分子弥散模型的建立方法具体实施在轻度认知障碍疾病和阿尔茨海默病脑中的效果图。在aMCI和AD组间，ADC值有统计学差异脑区位于边缘系统(右侧海马、右侧楔回、双侧颞上极、左侧颞横回)、左侧枕叶梭状回、双侧额下回岛盖部和其他额叶脑回。
图4——本发明中将水分子弥散模型的建立方法具体实施在阿尔茨海默病脑中的效果图。在AD和NC组间，ADC值有统计学差异脑区从双侧海马回扩展到周围边缘系统和相关皮层(包括右侧扣带回、右侧海马旁回、右侧岛叶、左侧颞上极、左侧颞横回、双侧额下回岛盖部、右侧缘上回、左侧角回)。
图5——本发明中将水分子弥散模型的建立方法具体实施在认知障碍疾病脑中的效果图对应具体脑区名称，简洁明了的列出了有统计学差异的脑区。
图6——用统计参数图(SPM)的基于体素分析法(VBM)计算与本组具体实施相同病例的效果图对应具体脑区名称，列表繁琐，其他无意义脑区数量过多，并且出现无法命名的未知脑区。
图7——用统计参数图(SPM)的基于体素分析法(VBM)计算与本组具体实施相同病例的效果图，“簇”阈值设定为10时可显示出脑内有统计学差异的脑区，注意图中圆圈中标记的部位有异常脑区。
图8——用统计参数图(SPM)的基于体素分析法(VBM)计算与本组具体实施相同病例的效果图，“簇”阈值设定为50时可见与图8相同部位圆圈中标记部位的脑区随阈值升高而消失。
具体实施方式
本发明的技术思路是利用脑图谱中对脑区勾画的已有知识，将映射到脑图谱上的图像进行自动分割，从而实现脑区水平的脑功能分析，并且应用于认知功能障碍疾病。
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明发明而不用于限制本发明的范围。
1.本发明的技术方案
如图1所示：
本发明的具体实施步骤为：
(1)采集受试者的脑表观弥散系数图像；
(2)由研究人员根据图像的清晰度等指标评估图像质量，如果质量不符合要求，则返回步骤(1)；
(3)将符合质量要求的弥散系数图像从DICOM格式转换为ANALYZE 7.5格式，目的是将2D图像文件序列重组为单个3D图像文件，并去除受试者、设备信息；
(4)对转换后的图像进行校验，不符合ANALYZE 7.5格式则返回步骤(3)；
(5)使用最大互信息方法将弥散系数图像与EPI模板图像进行图像线性配准，以减少两者之间尺寸，方位和角度之间的差异。当差异大于给定阈值时，重复进行步骤(5)的操作；
(6)利用离散余弦变换的方法，对上一步操作后得到的弥散系数图像进行形变，并根据使得图像与图谱之间对应体素灰度值之间的差值平方和最小作为目标函数，实现图像与图谱之间的非线性配准，将弥散系数图像映射到脑图像空间。当差异大于给定阈值时，重复进行步骤(6)的操作；
(7)将大脑解剖模板根据座标原点重合，分辨率相同，图像矩阵大小相同的原则，利用刚体空间变换的方法将解剖模板映射到完成空间映射的弥散系数图像；
(8)由用户决定提取某几个或者全部脑区。根据大脑解剖模板中各脑区的空间坐标，将用户指定的解剖脑区从脑表观弥散系数图像中分割并提取出来；
(9)计算构成各个解剖脑区的体素灰阶平均值和方差等脑区数字信息；
(10)将计算结果输出为EXCEL格式的报告；
(11)如果未获取足够数量的数据，则返回步骤(1)；
(12)从EXCEL格式报告提取脑区数字信息，根据流行病学和统计学方法进行分析，建立数字化的健康人脑的水弥散模型；
(13)使用方差分析，团体T检验方法分析患者和健康人的脑区信息，找到有统计学差异的脑区，为研究早期认知障碍疾病提供客观量化依据。
2.下面是本发明的具体应用过程说明：
(1)准备磁共振设备，采集受试者全脑弥散加权图像(DWI)，参数如下：为避免脑脊液的高ADC值影响脑组织ADC值测量，本实施采用了多层单次激发自旋回波EPI DWI与FLAIR融合序列，b值选用0和1000ms/mm2。TR/TI/TE＝6000/1900/95ms，层内分辨率2.0m，层厚为2.5mm。FOV 290，Slice 90，扫描覆盖全脑，scan time 7分40秒。DTI Studio软件自动生成弥散系数图像(ADC图)，ADC值单位为10-6mm2/s；
(2)研究对象挑选于174副55～90岁的老年人脑的ADC图像中；
(3)根据aMCI、AD、对照组诊断标准及影像研究弥散系数图像(ADC图)质量控制标准确定入组。最终入组69例，25例AD(平均年龄67.0±7.9岁，男18例，女7例)，26例aMCI(平均年龄69.4±7.4，男17例，女9例)，认知正常对照组(NC)18例(平均年龄64.7±8.8，男12例，女6例)；
(4)将弥散系数图像从DICOM格式转换为ANALYZE 7.5格式，将2D图像文件序列重组为单个3D图像文件；
(5)使用最大互信息方法和离散余弦变换的方法，将弥散系数图像通过非线性配准，映射到脑图像模板，得到标准化后的ADC图；
(6)在大脑解剖模板(Montreal Neruological Institute(MNI)MR EPI模板)基础上，将脑表观弥散系数图像分割为多个解剖脑区，每侧大脑半球被分割为45个解剖脑功能区；
(7)计算构成各个解剖脑区的体素灰阶平均值和方差等脑区数字信息；
(8)使用方差分析和团体T检验等方法分析患者和健康人各个脑区的水分子弥散系数差异，将各组间有统计差异脑区用彩色表示；
(9)建立人脑水分子弥散模型，为研究早期认知障碍疾病提供客观量化依据；
3.本发明中编制的图像处理软件(BS)来实现水分子弥散模型的建立操作步骤如下：
(1)在Matlab环境下运行BS。
(2)显示脑区功能：选择BS中“显示脑区”-“装载AAL脑区”-在列表中选择需要观察的脑区-确定-选择归一化图像(w开头图像)-显示出脑区。
(3)脑区计算功能：选择“计算AAL脑区”-“图像序列”-选择w开头图像-确定-“计算平均值”-之后出现excel表格(各脑区灰度值提取结果)，此时XLS文件中给出3项数值“均值”，“全脑归一化均值”，“precentral归一化平均值”。
(4)“AAL报告分析”-(选择各组excel表格，进行配对或成组检验)，报告分析-统计参数设置-参数设置-。显著水平设置为0.05，参考区设置中输入0表示无参考区(代表提取灰度绝对值分析)，输入1表示全脑归一化平均值，输入2表示中央回归一化平均值，代谢改变“+”代表第二组的值比第一组升高)。
(5)T检验-团体t检验-选择需比较的两组w开头的excel文件(此时要求把两组文件放在一个文件夹)，group1为第一组，group2为第二组(假设值升高组)-确定-开始分析各脑区差异。同理可进行三组的方差分析。
(6)BS自动输出有统计学差异的脑区名称，并以ADC图为背景模板显示出各个脑区。
本发明的具体应用效果的说明：
1.在本实施例中，用图像处理软件(BS)来实现了人脑中水分子弥散模式的分析过程。
BS成功的将各个研究组间的各个脑区的水分子弥散差异用解剖位置和色阶直观的表示出来；独立样本t检验显示，在aMCI和NC组间(图2)，ADC值有统计学差异脑区位于边缘系统(左侧海马、左侧海马旁回、右侧岛叶)、左侧丘脑、右侧角回和其他额叶脑回(两侧眶回)。在aMCI和AD组间(图3)，ADC值有统计学差异脑区位于边缘系统(右侧海马、右侧楔回、双侧颞上极、左侧颞横回)、左侧枕叶梭状回、双侧额下回岛盖部和其他额叶脑回。在AD和NC组间(图4)，ADC值有统计学差异脑区从双侧海马回扩展到周围边缘系统和相关皮层(包括右侧扣带回、右侧海马旁回、右侧岛叶、左侧颞上极、左侧颞横回、双侧额下回岛盖部、右侧缘上回、左侧角回)。
2.下面是与统计参数图(SPM)的基于体素分析法(VBM)相比较，本研究方法的优点在于：
(1)本发明中基于解剖脑区的分析方法避免了基于体素法分析时因偶然因素造成的单个体素变化，准确定位了所有有统计学差异的脑区，如图5所示，全部脑区都有完整命名。而用统计参数图(SPM)分析的结果报表显示出有较多无法准确定位的未知脑区，如图6所示，在aMCI和NC组间、aMCI和AD组间、AD和NC组间发现的未知脑区分别有31.1％(14/45个)、28.6％(12/42个)、26.2％(11/42个)。
(2)本发明中基于解剖脑区的分析方法在实施中因事先按照解剖模板进行了各个解剖脑区分割，无需采用“簇”阈值确定分析兴趣区，因而避免了统计参数图(SPM)分析过程中确定“簇”阈值的主观性。如图7所示，将“簇”阈值(extentthreshold)设置为10时，用统计参数图(SPM)显示出了AD和NC组间具有统计学差异的脑区，但将“簇”阈值(extent threshold)设置为50时(如图8)，图7中所发现的部分脑区随着“簇”阈值升高而消失(如图中圆圈所示部位)，说明用统计参数图(SPM)分析时，无法避免“簇”阈值的主观性。
3.应用本发明过程的临床意义说明如下：
(1)用本发明方法发现了海马与扣带回ADC值升高，而且可以更加方便直观的发现更多脑区的ADC值改变。避免了人工勾画兴趣区法费时和定位困难的缺点，
(2)用本发明方法发现了在认知障碍疾病脑中，ADC值升高的脑区分布具有解剖偏侧性(非对称性分布)，在从正常对照组到aMCI和AD的疾病严重程度进展中，左侧海马及海马旁回首先出现ADC值升高，之后进展为双侧受累，在AD组中，以右侧受累为主。
(3)用本发明方法发现了在认知障碍疾病脑中，ADC值升高脑区主要位于边缘系统和海马环路，说明此类神经变性性疾病主要出现该区细胞萎缩，导致细胞间隙增宽，继而导致细胞外水分子运动速度加快(即ADC值升高)。
(4)综上所述，用本发明方法，可以准确、直观的显示出了在认知障碍疾病(aMCI和AD)中ADC值升高的脑区，指出了这类疾病的脑细胞外水分子弥散运动改变的模式，并与疾病病理进展相符合。
由上述具体实施可知，本发明成功分析了认知障碍疾病脑中细胞外水分子弥散模式，成功建立了人脑中水分子弥散模型，并且该中间信息的获取为其应用提供了实用前景，该方法可以向其他疾病领域的脑图像分析扩展，并大规模应用于临床。
Claims (3)
1.人脑中水分子弥散模型的建立方法，其步骤在于：
(1)采集认知障碍疾病的患者脑表观弥散系数图像；
(2)将从核磁共振设备上获取的弥散系数图像从DICOM格式转换为ANALYZE7.5格式；
(3)使用最大互信息方法和离散余弦变换的方法，将弥散系数图像通过非线性配准，映射到脑图像模板；
(4)在大脑解剖模板基础上，将脑表观弥散系数图像分割为多个解剖脑区；
(5)计算构成各个解剖脑区的体素的灰阶平均值和方差；
(6)使用方差分析和团体T检验方法分析患者和健康人的脑区差异；
(7)建立人脑水分子弥散模型。
2.根据权利要求1所述的人脑中水分子弥散模型建立方法，其特征在于步骤(4)将解剖脑功能区分割和提取大脑皮层的脑区。
3.根据权利要求1或2所述的人脑中水分子弥散模型建立方法，其特征在于步骤(5)计算构成解剖脑区的体素灰阶平均值和方差脑区数字信息，用脑区的灰度特征值显示脑区的水分子弥散图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011100806404A CN102222156A (zh) | 2011-03-30 | 2011-03-30 | 人脑中水分子弥散模型的建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011100806404A CN102222156A (zh) | 2011-03-30 | 2011-03-30 | 人脑中水分子弥散模型的建立方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102222156A true CN102222156A (zh) | 2011-10-19 |
Family
ID=44778706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011100806404A Pending CN102222156A (zh) | 2011-03-30 | 2011-03-30 | 人脑中水分子弥散模型的建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102222156A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103919552A (zh) * | 2013-01-14 | 2014-07-16 | 张剑戈 | 水弥散运动可视化的方法 |
| CN105395198A (zh) * | 2015-06-23 | 2016-03-16 | 高家红 | 一种获得全新的扩散磁共振成像对比度的方法及其应用 |
| CN105816192A (zh) * | 2016-03-03 | 2016-08-03 | 王雪原 | 个体化人脑多模态医学影像的三维配准及提取脑组织方法 |
| CN105913416A (zh) * | 2016-04-06 | 2016-08-31 | 中南大学 | 一种自动分割三维人脸模型区域的方法 |
| CN106344015A (zh) * | 2015-07-15 | 2017-01-25 | 四川大学华西医院 | 一种异常扩散程度加权的弥散磁共振成像方法 |
| CN107316292A (zh) * | 2017-06-22 | 2017-11-03 | 电子科技大学 | 一种基于结构协变计算大脑形态学对称性的方法 |
| CN110415228A (zh) * | 2019-07-24 | 2019-11-05 | 上海联影医疗科技有限公司 | 神经纤维追踪方法、磁共振系统及存储介质 |
| CN110491518A (zh) * | 2019-07-31 | 2019-11-22 | 中国医学科学院生物医学工程研究所 | 一种针对任务态的经颅磁刺激建模仿真方法 |
| CN111383211A (zh) * | 2020-03-04 | 2020-07-07 | 深圳大学 | 骨案例识别方法、装置、服务器及存储介质 |
| CN113854995A (zh) * | 2021-10-19 | 2021-12-31 | 复旦大学 | 一种基于单次激发的弥散加权成像扫描重建方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1626031A (zh) * | 2003-12-12 | 2005-06-15 | 中国科学院自动化研究所 | 一种基于图论的脑区间功能连接的检测方法 |
| JP2006280806A (ja) * | 2005-04-04 | 2006-10-19 | Advanced Telecommunication Research Institute International | 脳内電流源推定方法、生体情報推定方法、脳内電流源推定装置、及び生体情報推定装置 |
-
2011
- 2011-03-30 CN CN2011100806404A patent/CN102222156A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1626031A (zh) * | 2003-12-12 | 2005-06-15 | 中国科学院自动化研究所 | 一种基于图论的脑区间功能连接的检测方法 |
| JP2006280806A (ja) * | 2005-04-04 | 2006-10-19 | Advanced Telecommunication Research Institute International | 脳内電流源推定方法、生体情報推定方法、脳内電流源推定装置、及び生体情報推定装置 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103919552A (zh) * | 2013-01-14 | 2014-07-16 | 张剑戈 | 水弥散运动可视化的方法 |
| CN105395198B (zh) * | 2015-06-23 | 2018-10-26 | 高家红 | 一种获得全新的扩散磁共振成像对比度的方法及其应用 |
| CN105395198A (zh) * | 2015-06-23 | 2016-03-16 | 高家红 | 一种获得全新的扩散磁共振成像对比度的方法及其应用 |
| CN106344015A (zh) * | 2015-07-15 | 2017-01-25 | 四川大学华西医院 | 一种异常扩散程度加权的弥散磁共振成像方法 |
| CN105816192A (zh) * | 2016-03-03 | 2016-08-03 | 王雪原 | 个体化人脑多模态医学影像的三维配准及提取脑组织方法 |
| CN105913416A (zh) * | 2016-04-06 | 2016-08-31 | 中南大学 | 一种自动分割三维人脸模型区域的方法 |
| CN107316292A (zh) * | 2017-06-22 | 2017-11-03 | 电子科技大学 | 一种基于结构协变计算大脑形态学对称性的方法 |
| CN110415228A (zh) * | 2019-07-24 | 2019-11-05 | 上海联影医疗科技有限公司 | 神经纤维追踪方法、磁共振系统及存储介质 |
| CN110491518A (zh) * | 2019-07-31 | 2019-11-22 | 中国医学科学院生物医学工程研究所 | 一种针对任务态的经颅磁刺激建模仿真方法 |
| CN110491518B (zh) * | 2019-07-31 | 2023-04-07 | 中国医学科学院生物医学工程研究所 | 一种针对任务态的经颅磁刺激建模仿真方法 |
| CN111383211A (zh) * | 2020-03-04 | 2020-07-07 | 深圳大学 | 骨案例识别方法、装置、服务器及存储介质 |
| CN113854995A (zh) * | 2021-10-19 | 2021-12-31 | 复旦大学 | 一种基于单次激发的弥散加权成像扫描重建方法及系统 |
| CN113854995B (zh) * | 2021-10-19 | 2023-11-24 | 复旦大学 | 一种基于单次激发的弥散加权成像扫描重建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102222156A (zh) | 人脑中水分子弥散模型的建立方法 | |
| Scholtens et al. | An mri von economo–koskinas atlas | |
| Senda et al. | Progressive and widespread brain damage in ALS: MRI voxel-based morphometry and diffusion tensor imaging study | |
| CN106096636A (zh) | 一种基于神经影像的进展型轻度认知功能障碍识别方法 | |
| US20050244036A1 (en) | Method and apparatus for evaluating regional changes in three-dimensional tomographic images | |
| Huang et al. | Imaging markers of mild cognitive impairment: multivariate analysis of CBF SPECT | |
| CN110689536B (zh) | 基于多模态磁共振影像的大脑灰质及白质追踪方法及装置 | |
| CN110969204B (zh) | 基于磁共振图像与数字病理图像融合的样本分类系统 | |
| EP2747658B1 (en) | Method to compute and present brain amyloid in gray matter | |
| CN104463840A (zh) | 基于pet/ct影像的发热待查计算机辅助诊断方法 | |
| Neubert et al. | Three-dimensional morphological and signal intensity features for detection of intervertebral disc degeneration from magnetic resonance images | |
| Mory et al. | Structural abnormalities of the thalamus in juvenile myoclonic epilepsy | |
| Chyzhyk et al. | Feature extraction from structural MRI images based on VBM: data from OASIS database | |
| Liu et al. | Resting-state fMRI reveals potential neural correlates of impaired cognition in Huntington's disease | |
| CN109920550A (zh) | 一种基于dMRI研究青少年肌阵挛性癫痫的方法 | |
| CN104102839A (zh) | 一种基于多尺度网格曲面形状特征的阿尔茨海默病脑皮层自动分类方法 | |
| Li et al. | Asymmetry of prefrontal cortical convolution complexity in males with attention-deficit/hyperactivity disorder using fractal information dimension | |
| CN112927187A (zh) | —种自动识别定位局灶性皮质发育不良癫痫病灶的方法 | |
| Trivedi et al. | Structural MRI discriminates individuals with Mild Cognitive Impairment from age-matched controls: a combined neuropsychological and voxel based morphometry study | |
| CN105263416B (zh) | 基于皮质分布图的淀粉样蛋白pet脑扫描量化 | |
| CN110136840A (zh) | 一种基于自加权分级生物特征的医学图像分类方法、装置和计算机可读存储介质 | |
| EP0832468B1 (en) | Apparatus for image enhancement, and related method | |
| Zhang et al. | The diagnosis of Alzheimer's disease based on voxel-based morphometry and support vector machine | |
| Presotto et al. | An automated clustering algorithm for reference region extraction of brain 11 C-PK11195 studies | |
| US10769785B2 (en) | Neural network for neurodegenerative disease classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20111019 |