CN109741290A - 用于神经追踪的方法、非暂时性计算机可读媒体及设备 - Google Patents
用于神经追踪的方法、非暂时性计算机可读媒体及设备 Download PDFInfo
- Publication number
- CN109741290A CN109741290A CN201711034285.0A CN201711034285A CN109741290A CN 109741290 A CN109741290 A CN 109741290A CN 201711034285 A CN201711034285 A CN 201711034285A CN 109741290 A CN109741290 A CN 109741290A
- Authority
- CN
- China
- Prior art keywords
- nerve
- image
- predetermined
- tracking
- obtains
- 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.)
- Granted
Links
- 210000005036 nerve Anatomy 0.000 title claims abstract description 306
- 239000000700 radioactive tracer Substances 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000009792 diffusion process Methods 0.000 claims abstract description 49
- 210000004556 brain Anatomy 0.000 claims abstract description 31
- 238000005481 NMR spectroscopy Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 89
- 239000000835 fiber Substances 0.000 claims description 53
- 230000009466 transformation Effects 0.000 claims description 48
- 230000036541 health Effects 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000002597 diffusion-weighted imaging Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000002598 diffusion tensor imaging Methods 0.000 claims description 4
- 238000002224 dissection Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 238000001356 surgical procedure Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 32
- 210000004885 white matter Anatomy 0.000 description 5
- 230000002490 cerebral effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 210000003792 cranial nerve Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- SWECWXGUJQLXJF-BTJKTKAUSA-N Dimetindene maleate Chemical compound OC(=O)\C=C/C(O)=O.CN(C)CCC=1CC2=CC=CC=C2C=1C(C)C1=CC=CC=N1 SWECWXGUJQLXJF-BTJKTKAUSA-N 0.000 description 1
- 241001245789 Goodea atripinnis Species 0.000 description 1
- 238000012274 Preoperative evaluation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种用于神经追踪的方法、非暂时性计算机可读媒体及设备,通过多个经过验证而取得的较佳追踪参数对受测者的大脑的扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像,并于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维,再将多个第一追踪影像所截取的该些神经纤维依据迭合程序建立神经束骨架,最后选取与神经束骨架的结构较为相似的多个神经纤维而获得受测者的特定神经束。因此,用于神经追踪的方法、非暂时性计算机可读媒体及设备可用以达成提高神经追踪的敏感度,且有助于提升手术前评估及手术中导航的效果。
Description
技术领域
本发明涉及一种用于神经追踪的方法、非暂时性计算机可读媒体及设备,特别是可提高神经追踪的敏感度的用于神经追踪的方法、非暂时性计算机可读媒体及设备。
背景技术
白质是中枢神经系统中主要的三个组成元素之一,由神经纤维所组成,功用在于联系和传递神经冲动,其生长的时机与成熟程度会影响到学习、自我控制与精神疾病。因此,通过神经纤维的空间微结构信息进行成像的神经纤维重构技术的发展受到信息、神经科学相关研究人员的共同关注。
利用扩散磁振造影(diffusion magnetic resonance imaging)重构神经纤维是目前活体显示神经纤维走向唯一的手段,借由观测活体内水分子扩散情形,搭配过去经验所得知的非等向性指标(fractional anisotropy,FA)阈值以及转折角度进行神经追踪,可描绘出全脑的神经纤维分布。
脑神经的功能及形态是高度分化的,各神经束之间有着非常大差异性存在,然而,现今进行神经追踪时,通常依照实验者经验选择单一追踪参数(FA阈值及转折角度),存在没有标准追踪参数范围以建立可靠的神经纤维连结的问题。此外,单一追踪参数的神经追踪方式虽然有着相对高的特异性,但可能会低估或高估特定神经束的走向,以神经外科脑肿瘤病患为例,神经束可能因肿瘤的生长而被压迫、推挤,甚至浸润,此种状况下神经外科脑肿瘤病患相较于健康人体面对追踪相同的神经束时可能需要设定不同的转折角度及FA阈值,方能将神经束完整的刻画出来。再者,虽然目前的神经追踪算法皆可自由调控追踪参数,但并未能综合各追踪参数进行神经追踪。
综上所述,可知现有技术中长期以来一直存在没有标准追踪参数范围、仅使用单一追踪参数进行神经追踪而低估神经束的走向以及无法综合各追踪参数进行神经追踪的问题,因此实有必要提出改进的技术手段,来解决此问题。
发明内容
本发明揭露一种用于神经追踪的方法、非暂时性计算机可读媒体及设备。
首先,本发明揭露一种用于神经追踪的方法,其步骤包括:接收受测者的大脑的第一扩散核磁共振影像(Diffusion weighted imaging,DWI);于储存单元所储存的第一关系矩阵中依据其具有的所有相似值大小的前N个相似值取得N个追踪参数,其中N大于或等于八且为正整数;依据每一追踪参数分别对第一扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像;依据预定神经束取得两个第一感兴趣区域(Region of interest,ROI);于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维;依据该些第一追踪影像所截取的该些神经纤维通过迭合公式取得多个迭合体素的神经束机率,其中,迭合公式为:Tj为第j个迭合体素的神经束机率,wi为第i个预定追踪参数所对应的该相似值,(tj)i为依据第i个预定追踪参数所取得的该第一追踪影像的第j个影像体素所具有的神经纤维数量,第j个迭合体素与每一第一追踪影像的第j个影像体素于位置上相互对应,i与j为正整数;取得该些神经束机率大小为前百分之一至十的该些迭合体素建立神经束骨架;以及比对每一第一追踪影像中所截取的每一神经纤维与该神经束骨架的结构相似性以取得多个评估值,并依据该些评估值较高的前百分之三十三至六十六的神经纤维取得特定神经束。
另外,本发明揭露一种用于神经追踪的非暂时性计算机可读媒体,其经组态以储存若干指令,所述指令在由一个或多个处理器执行时使得所述一个或多个处理器执行以下操作:接收受测者的大脑的第一扩散核磁共振影像;于储存单元所储存的第一关系矩阵中依据其具有的所有相似值大小的前N个相似值取得N个追踪参数,其中N大于或等于八且为正整数;依据每一追踪参数分别对第一扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像;依据预定神经束取得两个第一感兴趣区域;于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维;依据该些第一追踪影像所截取的该些神经纤维通过迭合公式取得多个迭合体素的神经束机率,其中,迭合公式为:Tj为第j个迭合体素的神经束机率,wi为第i个预定追踪参数所对应的该相似值,(tj)i为依据第i个预定追踪参数所取得的所述第一追踪影像的第j个影像体素所具有的神经纤维数量,第j个迭合体素与每一第一追踪影像的第j个影像体素于位置上相互对应,i与j为正整数;取得该些神经束机率大小为前百分之一至十的该些迭合体素建立神经束骨架;以及比对每一第一追踪影像中所截取的每一神经纤维与该神经束骨架的结构相似性以取得多个评估值,并依据该些评估值较高的前百分之三十三至六十六的神经纤维取得特定神经束。
再者,本发明揭露一种用于神经追踪的设备,此设备包含:一个或多个处理器、储存单元以及至少一程序,其中该至少一程序储存于储存单元中且经组态以由该一个或多个处理器执行,该至少一程序整体上包括用于以下操作指令:接收受测者的大脑的第一扩散核磁共振影像;于储存单元所储存的第一关系矩阵中依据其具有的所有相似值大小的前N个相似值取得N个追踪参数,其中N大于或等于八且为正整数;依据每一追踪参数分别对第一扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像;依据预定神经束取得两个第一感兴趣区域;于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维;依据该些第一追踪影像所截取的该些神经纤维通过迭合公式取得多个迭合体素的神经束机率,其中,迭合公式为:Tj为第j个迭合体素的神经束机率,wi为第i个预定追踪参数所对应的该相似值,(tj)i为依据第i个预定追踪参数所取得的该第一追踪影像的第j个影像体素所具有的神经纤维数量,第j个迭合体素与每一第一追踪影像的第j个影像体素于位置上相互对应,i与j为正整数;取得该些神经束机率大小为前百分之一至十的该些迭合体素建立神经束骨架;以及比对每一第一追踪影像中所截取的每一神经纤维与该神经束骨架的结构相似性以取得多个评估值,并依据该些评估值较高的前百分之三十三至六十六的神经纤维取得特定神经束。
本发明所揭露的设备与方法如上,与现有技术的差异在于本发明是通过多个经过验证而取得的较佳追踪参数对受测者的大脑的扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像,并于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维,再将多个第一追踪影像所截取的该些神经纤维依据迭合程序建立神经束骨架,最后选取与神经束骨架的结构较为相似的多个神经纤维而获得受测者的特定神经束。
通过上述的技术手段,本发明可以达成提高神经追踪的敏感度,且有助于提升手术前评估及手术中导航的效果。
附图说明
图1为本发明用于神经追踪的方法的方法流程图。
图2为图1的步骤20的一实施例方法流程图。
图3为图2的步骤206的图像处理程序一实施例方法流程图。
图4为图3的步骤360的相似性比较程序一实施例方法流程图。
图5为本发明用于神经追踪的非暂时性计算机可读媒体的一实施例框图。
图6为本发明用于神经追踪的设备的框图。
图7为步骤201至步骤205的一实施例示意图。
图8为步骤206所包含的步骤310至步骤340的一实施例示意图。
图9为步骤350的一实施例示意图。
图10为步骤360所包含的步骤410至步骤430的一实施例示意图。
图11A为SLF III anterior part所对应的第二关系矩阵的一实施例示意图。
图11B为SLF III posterior part所对应的第二关系矩阵的一实施例示意图。
图11C为AF所对应的第二关系矩阵的一实施例示意图。
图11D为IFOF所对应的第二关系矩阵的一实施例示意图。
图12为第一关系矩阵的一实施例示意图。
图13为执行步骤110所取得的第一扩散核磁共振影像。
图14为执行步骤130至步骤150后的一实施例示意图。
图15为执行步骤170后的一实施例示意图。
图16为执行步骤180后的一实施例示意图。
图17为单一追踪参数进行神经追踪程序所取得的AF一实施例示意图。
符号说明:
500 用于神经追踪的非暂时性计算机可读媒体
502 操作指令
504、602 处理器
600 用于神经追踪的设备
604 储存单元
606 程序
具体实施方式
以下将配合附图及实施例来详细说明本发明的实施方式,藉此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
在说明本发明所揭露的用于神经追踪的方法、非暂时性计算机可读媒体及设备之前,先对本发明所自行定义的名词作说明,本发明所述的一个追踪参数是指FA阈值以及转折角度的组合,也就是不同的追踪参数为不同FA阈值与不同转折角度的组合;本发明所述的特定神经束为经过本发明的方法而取得的某一个神经束,而本发明所述的预定神经束为预计取得的某一个神经束;本发明所述的神经束皆为大脑白质所包含的神经束。此外,本发明所述的步骤120至步骤180可称为多重指定标准(Multiple Assigned Criteria,MAC)算法,详细的说明如下所述。再者,本发明所述的影像皆为三维影像,为避免附图过于复杂,仅以二维影像呈现每一实施例的示意图。
以下配合附图对本发明用于神经追踪的方法、非暂时性计算机可读媒体及设备做进一步说明,请先参阅图1,图1为本发明用于神经追踪的方法的方法流程图,其步骤包括:接收受测者的大脑的第一扩散核磁共振影像(步骤110);于储存单元所储存的第一关系矩阵中依据其具有的所有相似值大小的前N个相似值取得N个追踪参数,其中N大于或等于八且为正整数(步骤120);依据每一追踪参数分别对第一扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像(步骤130);依据预定神经束取得两个第一感兴趣区域(步骤140);于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维(步骤150);依据该些第一追踪影像所截取通过迭合公式取得多个迭合体素的神经束机率,其中,迭合公式为:Tj为第j个迭合体素的神经束机率,wi为第i个预定追踪参数所对应的该相似值,(tj)i为依据第i个预定追踪参数所取得的第一追踪影像的第j个影像体素所具有的神经纤维数量,第j个迭合体素与每一第一追踪影像的第j个影像体素于位置上相互对应,i与j为正整数(步骤160);取得该些神经束机率大小为前百分之一至十的该些迭合体素建立神经束骨架(步骤170);以及比对每一第一追踪影像中所截取的每一神经纤维与神经束骨架的结构相似性以取得多个评估值,并依据该些评估值较高的前百分之三十三至六十六的神经纤维取得特定神经束(步骤180)。
步骤110所述的受测者可为但不限于欲进行神经手术的病患,该病患通过上述步骤110至步骤180后可取得其欲进行手术的特定神经束,有助于提升手术前的评估效果及手术中的导航效果。
步骤120所述的第一关系矩阵用以表示用于追踪各种神经束的追踪参数与其对应的相似值的关系,其中该些相似值通过人脑标本与健康受试者的T1加权影像与扩散权重影像进行实验验证而取得,相似值越大的追踪参数越适用于追踪各种神经束。换句话说,第一关系矩阵为经实验验证后用于表示追踪各种神经束的追踪参数的合适度(合适度越高,相似值越大),其实验验证的过程可包含下列步骤201至207、步骤20至22、步骤310至360以及步骤410至430,因此第一关系矩阵的建立请容后详述。此外,由于神经追踪的最终目标为得到准确且能够延伸到皮质终点的神经纤维束,当N的大小越大时,越能通过更多的追踪参数加以组合以描述各种神经束,越可得到更完整的神经纤维追踪,也越可明显地去除噪声所造成的神经纤维束,清楚地表示特定的神经走向,更能有效地将神经纤维束延伸至皮质终点,但由于N的大小越大时执行本发明用于神经追踪的方法的时间越久,因此,步骤120所述的N的大小可大于或等于八且为正整数,即可达到上述的功效,实际N的大小可由操作本发明用于神经追踪的设备的使用者自行决定,依据实际需求进行调整。
在步骤130中,神经追踪程序可包含:将第一扩散核磁共振影像进行扩散张量分析并生成对应的第一扩散张量影像(Diffusion Tensor Imaging,DTI);以及依据步骤120所取得的每一追踪参数对第一扩散张量影像进行全脑神经追踪而取多个第一追踪影像。其中,每一第一追踪影像包含多个影像体素。
步骤140所述的两个第一感兴趣区域为预定神经束于解剖自动标签分区(Anatomical Automatic Labeling,AAL)模板中的起点区域与终点区域。其中,预定神经束即为执行本方法所欲取得的神经束,也就是用于神经追踪的设备的使用者所欲建构的受测者的特定神经束。
步骤150所截取的神经纤维的数量可为但不限于至少一千条。当截取的神经纤维的数量越多时会达到一个稳定的状态,但执行步骤150的时间越久,由于当神经纤维的数量在八百条以后即会呈现稳定状态,因时间的考虑,步骤150所截取的神经纤维的数量可为八百至二千条以内。因此,使用者可依据其实际需求的稳定结果与重建速度进行调整。
步骤160所述的迭合体素的神经束机率Tj表示该迭合体素出现神经纤维的机率,当Tj越大时,即代表该迭合体素出现神经纤维的机率越大,因此,通过步骤170的筛选(该些神经束机率大小为前百分之一至十的该些迭合体素)而建立神经束骨架。需注意的是,仅依据神经束机率大小小于前百分之一的该些迭合体素不能完整地描绘出神经束骨架;而依据神经束机率大小大于前百分之十的该些迭合体素则会存在其他噪声而造成错误信息。
步骤180所述的比对结构相似性为比对空间位置上的重迭率,当空间位置上的重迭率越高时,评估值越高。其中,考虑神经纤维束的走向以及神经纤维束可有效延伸至皮质终点,因此,步骤180以取得该些评估值较高的前百分之三十三至六十六的神经纤维束建立特定神经束,以避免建立的特定神经束不能很好的表现出神经纤维的皮质终点或者存在其他噪声而造成错误信息。
通过上述步骤,即可通过多个经过验证而取得的较佳追踪参数(第一关系矩阵的N个追踪参数)对受测者的大脑的扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像,并于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维,再将多个第一追踪影像所截取的该些神经纤维依据迭合程序(即步骤160与步骤170)建立神经束骨架,最后选取与神经束骨架的结构较为相似的多个神经纤维而获得受测者的特定神经束。因此,可提高神经追踪的敏感度,且有助于提升手术前评估及手术中导航的效果。
此外,在执行步骤120之前,用于神经追踪的方法还可包含下列步骤:取得多个神经束的每一神经束所对应的第二关系矩阵(步骤20);以及将该些神经束所对应的该些第二关系矩阵取平均值而取得该第一关系矩阵(步骤22)。其中,步骤20所述的第二关系矩阵用以表示用于追踪每一神经束的追踪参数与其对应的相似值的关系,相似值越大的追踪参数越适用于追踪该神经束。步骤22中通过将该些神经束所对应的该些第二关系矩阵依据相同追踪参数所对应的相似值相加总并取平均值的方式获得步骤120所述的第一关系矩阵。通过上述步骤20至22可综合考虑各个神经束适用的追踪参数的范围,进而获得适用于追踪全部神经束的追踪参数的范围。
请参阅图2,图2为图1的步骤20的一实施例方法流程图。在实施例中,步骤20可包含执行多次下列流程步骤以取得多个神经束所对应的第二关系矩阵,流程步骤包含:取得大脑标本的标记有预定神经束的断层扫描影像(步骤201);将断层扫描影像以标志点配准技术(Landmark Registration)配准至T1加权影像空间而取得第一T1加权影像(T1weighted image)与第一变换参数(步骤202);将第一T1加权影像配准至标准空间的T1模板而取得第二变换参数(步骤203);截取断层扫描影像所标记的预定神经束,并依据第一变换参数与第二变换参数配准至标准空间(步骤204);依据配准至标准空间的断层扫描影像所标记的预定神经束与标准空间的AAL模板取得标准空间中对应预定神经束的两个第二感兴趣区域(步骤205);取得多个健康受试者的大脑的第二T1加权影像与第二扩散权重影像,并将每一健康受试者的大脑的第二T1加权影像与第二扩散权重影像进行图像处理程序而取得每一健康受试者的预定神经束所对应的第三关系矩阵(步骤206)﹔以及将所有健康受试者所对应的该些第三关系矩阵取平均值而取得预定神经束的所对应的第二关系矩阵(步骤207)。通过执行一次上述该些步骤,即可取得一个预定神经束的第二关系矩阵,因此,步骤20须执行多次的上述该些步骤,以取得大脑白质中多个神经束所对应的第二关系矩阵。
其中,步骤206所述的第三关系矩阵用以表示用于追踪每一健康受试者的预定神经束的追踪参数与其对应的相似值的关系。步骤207中通过将所有健康受试者所对应的该些第三关系矩阵依据相同追踪参数所对应的相似值相加总并取平均值的方式获得步骤20所述的第二关系矩阵。换句话说,通过步骤207可综合考虑所有健康受试者对于预定神经束所适用的追踪参数的范围,进而获得适用于所有人对于预定神经束所适用的追踪参数的范围。
此外,请参阅图3,图3为图2的步骤206的图像处理程序一实施例方法流程图。步骤206所述的图像处理程序可包含以下步骤:将第二T1加权影像配准到第二扩散权重影像而取得配准变换参数,并对配准变换参数进行逆变换得到配准逆变换参数(步骤310);将第二T1加权影像配准至标准空间的该T1模板而取得第三变换参数,并对第三变换参数进行逆变换得到第三逆变换参数(步骤320);对第二扩散权重影像进行扩散张量分析并生成第二扩散张量影像(步骤330);将标准空间中对应预定神经束的两个第二感兴趣区域通过第三逆变换参数与配准变换参数转换至DWI空间,使第二扩散张量影像依据转换至DWI空间的两个第二感兴趣区域与储存单元所内建的所有FA阈值以及转折角度进行神经追踪程序而取得多个第二追踪影像(步骤340);每一第二追踪影像进行不同机率的映像程序,并依据第三变换参数与该配准逆变换参数转换至标准空间(步骤350);以及将转换至标准空间的以不同机率进行映像程序的该些第二追踪影像分别与配准至标准空间的预定神经束进行相似性比较程序,而取得对应的第三关系矩阵(步骤360)。
请参阅图4,图4为图3的步骤360的相似性比较程序一实施例方法流程图。上述步骤360的相似性比较程序包含:计算转换至标准空间的以不同机率进行该映像程序的该些第二追踪影像分别与配准至标准空间的预定神经束之间的重迭率而取得重迭关系矩阵(步骤410);计算转换至标准空间的以不同机率进行映像程序的该些第二追踪影像分别与配准至标准空间的预定神经束之间的准确率而取得准确关系矩阵(步骤420);以及将重迭关系矩阵的该些重迭率与准确关系矩阵的该些准确率依据其对应的追踪参数相乘而取得第三关系矩阵(步骤430)。
步骤410的重迭关系矩阵用以表示每一第二追踪影像所应用的追踪参数与重迭率的对应关系,而每一追踪参数所对应的重迭率可先通过重迭率公式:取得转换至标准空间的每一机率进行该映像程序的某一第二追踪影像与配准至标准空间的预定神经束之间的重迭率,再通过转换至标准空间的不同机率进行该映像程序的某一第二追踪影像与配准至标准空间的预定神经束之间的重迭率进行积分,之后将积分结果取平均值而取得。其中,A为转换至标准空间的以每一机率进行该映像程序的某一第二追踪影像,B为配准至标准空间的预定神经束。
步骤420的准确关系矩阵用以表示每一第二追踪影像所应用的追踪参数与准确率的对应关系,而每一追踪参数所对应的准确率可先通过准确率公式:取得转换至标准空间的每一机率进行该映像程序的某一第二追踪影像与配准至标准空间的预定神经束之间的准确率,再通过转换至标准空间的不同机率进行该映像程序的某一第二追踪影像与配准至标准空间的预定神经束之间的准确率进行积分,之后将积分结果取平均值而取得。其中,C为转换至标准空间的以每一机率进行该映像程序的某一第二追踪影像,D为配准至标准空间的预定神经束。
接着,请参阅图5,图5为本发明用于神经追踪的非暂时性计算机可读媒体的一实施例框图。用于神经追踪的非暂时性计算机可读媒体500包含可由一个或多个处理器504用于执行包含上文所阐述的用于神经追踪的方法的操作指令502。该等操作指令可包含本文中所阐述的任何(一个或多个)其他步骤。实施诸如本文中所阐述的操作指令502可储存于非暂时性计算机可读媒体500上。非暂时性计算机可读媒体500可是诸如磁盘或光盘或磁带的储存媒体,或此项技术中已知的任何其他适合的非暂时性计算机可读媒体。
接着,请参阅图6,图6为本发明用于神经追踪的设备的设备框图。用于神经追踪的设备600包含处理器602、储存单元604以及程序606,其中程序606储存于储存单元604中且经组态以由处理器602执行,程序606整体上可包含上文所阐述的用于神经追踪的方法的操作指令。其中,处理器602、储存单元604以及程序606的数量可为但不限于一个,可依据实际需求进行调整。
以下配合图7至图17以实施例的方式进行如下说明。
(第一关系矩阵的建立)
由于第一关系矩阵是将多个神经束的每一神经束所对应的第二关系矩阵依据相同追踪参数所对应的相似值相加总并取平均值而获得。在本实施例中,是以取得弓状束(arcuate fasciculus,AF)所对应的第二关系矩阵进行步骤201至步骤207的说明,大脑白质的其他神经束所对应的第二关系矩阵可依据相同的方式取得,进而取得本发明所述的第一关系矩阵。本实施例所述的第一关系矩阵以大脑白质中四个神经束:上纵束第三前支(superior longitudinal fasciculus III anterior part,SLFIII anterior part)、上纵束第三后支(superior longitudinal fasciculus III posterior part,SLF IIIposterior part)、AF以及下额枕束(inferior fronto-occipital fasciculus,IFOF)所对应的第二关系矩阵依据相同追踪参数所对应的相似值相加总并取平均值而获得。
请参照图7,图7为步骤201至步骤205的一实施例示意图。在本实施例中,预定神经束可为AF。脑标本以已浸泡2年福尔马林的陈旧脑标本半脑为例。其中,第一T1加权影像与断层扫描影像的左右两侧的两个白点为标志点,通过标志点将断层扫描影像配准至T1加权影像空间而取得第一变换参数,再将第一T1加权影像配准至标准空间而取得第二变换参数(步骤202至步骤203),再将断层扫描影像所标记的AF转换至标准空间中(步骤204),接着通过标准空间的AAL模板迭合转换至标准空间中的AF影像即可找到AF所对应的ROIs(即图式的ROI1与ROI2,也就是两个第二感兴趣区域)(步骤205)。需注意的是,由于大脑白质神经束的结构为三维立体结构,为了方便进行实施例的特征说明,以不同角度的二维图式呈现每一步骤的影像,该些二维图式所对应的立体结构的情况为熟悉此领域的具有通常知识者所通知,故不于此赘述。
请参照图8、图9与图10,图8为步骤206所包含的步骤310至步骤340的一实施例示意图,图9为步骤350的一实施例示意图,图10为步骤360所包含的步骤410至步骤430的一实施例示意图。在本实施例中,健康受试者人数为10位(其中,6名女性,4名男性,平均年龄约57岁)。由于取得每一位健康受试者的AF所对应的第三关系矩阵的步骤相同(即每一位健康受试者的AF所对应的第三关系矩阵的取得皆须通过步骤310至步骤360),因此,图8至图10以一位健康受试者的大脑的第二T1加权影像与第二扩散权重影像进行图像处理程序而取得其AF所对应的第三关系矩阵进行示例,其他九位健康受试者的AF所对应的第三关系矩阵可同理取得之。
健康受试者的大脑的第二T1加权影像与第二扩散权重影像采用3T MRI(SiemensTiro)进行第二T1加权影像扫描,其参数为:TR/TE=2500/27ms;矩阵大小(matrix)=256x256;观察野(FOV)=192x192mm;体素大小(voxel size)=1x1x1mm3;第二扩散权重影像(DWI)的参数为:TR/TE=11000/104ms;体素大小(voxel size)=2x2x2mm3;梯度敏感因子(b-value)=1000s/mm2;扩散编码取向方向(diffusion encoding direction)=30;NEX=3。
储存单元所内建的FA阈值范围为0.10至0.30,内建的转折角度范围为20°至80°,每一追踪参数由该些FA阈值范围与该些转折角度排列组合而成,换句话说,本实施例的储存单元所内建的追踪参数的数量为35个。每一个追踪参数皆可产生第二追踪影像,每一第二追踪影像皆先进行不同机率的映像程序,并转换至标准空间后,与配准至标准空间的AF进行相似性比较程序(即步骤410至步骤420)而取得其重迭率与准确率,再将每一个追踪参数的重迭率与准确率相乘而得到第三关系矩阵(即步骤430)。因此,可于取得十位健康受试者的AF所对应的第三关系矩阵之后取其平均值而获得AF所对应的第二关系矩阵(即步骤207)。
在本实施例中,SLF III anterior part所对应的第二关系矩阵如图11A所示,SLFIII posterior part所对应的第二关系矩阵如图11B所示,AF所对应的第二关系矩阵如图11C所示,IFOF所对应的第二关系矩阵如图11D所示,第一关系矩阵(如图12所示,图12为第一关系矩阵的一实施例示意图)可将上述该些第二关系矩阵依据相同的追踪参数将其数据相加取平均值而取得(即步骤22)。
(受测者的特定神经束的建构)
请参阅图13,图13为执行步骤110所取得的第一扩散核磁共振影像。接着,请参照图12,其中,横轴代表转折角度,纵轴代表FA阀值,转折角度与FA阈值对应对应组成追踪参数,在本实施例中,每一追踪参数所对应的相似值大小以颜色深浅进行表示(颜色越深相似值越小,颜色越淡相似值越大),但本实施例并非用以限定本发明。举例而言,每一追踪参数所对应的相似值大小也可直接以数据进行表示。在本实施例中,实验者依据其需求选取八个较为合适的追踪参数(分别为图式中以黑框圈选的追踪参数):FA阈值=0.20,转折角度=60°(相似值=0.5255);FA阈值=0.25,转折角度=70°(相似值=0.5195);FA阈值=0.25,转折角度=80°(相似值=0.5189);FA阈值=0.25,转折角度=60°(相似值=0.5170);FA阈值=0.20,转折角度=50°(相似值=0.5162);FA阈值=0.25,转折角度=50°(相似值=0.5080);FA阈值=0.20,转折角度=70°(相似值=0.5070);FA阈值=0.30,转折角度=70°(相似值=0.4984),进行神经追踪程序(即步骤120)。
然后,请参照图14,图14为执行步骤130至步骤150后的一实施例示意图。通过每一追踪参数进行神经追踪程序可产生第一追踪影像(此时为全脑的神经追踪),再根据本实施例的预定神经束所对应的第一感兴趣区域,截取两个第一感兴趣区域之间的多个神经纤维(即取得预定要进行建构预定神经束的神经纤维)。在本实施例中,预定神经束可为AF,因此,两个第一感兴趣区域等同于上述的两个第二感兴趣区域。图14包含上述八个较为合适的追踪参数进行神经追踪并截取出两个第一感兴趣区域之间的多个神经纤维的结果,为避免附图复杂,仅绘制每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维,而未绘制全脑的结构与其位置。在本实施例中,两个第一感兴趣区域之间的神经纤维数量可为一千条。
接着,请参照图15,图15为执行步骤170后的一实施例示意图。在本实施例中,可取得该些神经束机率大小为前百分之一、前百分之五或前百分之十的该些迭合体素建立神经束骨架,以下以该些神经束机率大小为前百分之十的该些迭合体素所建立的神经束骨架进行步骤180的说明。
请参照图16,图16为执行步骤180后的一实施例示意图。在本实施例中,可通过该些评估值较高的前百分之三十三、前百分之五十或前百分之六十六的神经纤维而取得特定神经束。从附图中可知当以取得该些评估值较高的前百分之三十三至六十六的神经纤维束建立特定神经束时,可避免建立的特定神经束不能很好的表现出神经纤维的皮质终点或者存在其他噪声而造成错误信息。
在此实施例情况下所取得的结果(如图16所示)与一般常用单一追踪参数(例如:FA阈值=0.2与转折角度=60°)所取得的结果(如「第17图」所示)相比,本发明所提出的用于神经追踪的方法更能准确地描绘出弓状束的神经纤维走向以及皮质终点,将有助于提升神经外科手术的术前的评估效果及术中的导航效果。
综上所述,可知本发明与现有技术之间的差异在于通过多个经过验证而取得的较佳追踪参数对受测者的大脑的扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像,并于每一第一追踪影像中截取两个第一感兴趣区域之间的多个神经纤维,再将多个第一追踪影像所截取的该些神经纤维依据迭合程序建立神经束骨架,最后选取与神经束骨架的结构较为相似的多个神经纤维而获得受测者的特定神经束,借由此技术手段可以解决现有技术所存在的问题,进而达成提高神经追踪的敏感度,且有助于提升手术前评估及手术中导航的效果。
虽然本发明以前述的实施例揭露如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的更动与润饰,因此本发明的专利保护范围须视本说明书所附的权利要求书所界定的范围为准。
Claims (9)
1.一种用于神经追踪的方法,其特征在于,所述方法包含下列步骤:
接收受测者的大脑的第一扩散核磁共振影像(Diffusion weighted imaging,DWI);
于储存单元所储存的第一关系矩阵中依据其具有的所有相似值大小的前N个相似值取得N个追踪参数,其中N大于或等于八且为正整数;
依据每一所述追踪参数分别对所述第一扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像;
依据预定神经束取得两个第一感兴趣区域(Region of interest,ROI);
于每一所述第一追踪影像中截取所述两个第一感兴趣区域之间的多个神经纤维;
依据所述第一追踪影像所截取的所述神经纤维通过迭合公式取得多个迭合体素的神经束机率,其中,所述迭合公式为:Tj为第j个迭合体素的神经束机率,wi为第i个预定追踪参数所对应的所述相似值,(tj)i为依据第i个预定追踪参数所取得的所述第一追踪影像的第j个影像体素所具有的神经纤维数量,第j个迭合体素与每一所述第一追踪影像的第j个影像体素于位置上相互对应,i与j为正整数;
取得所述神经束机率大小为前百分之一至十的所述迭合体素建立神经束骨架;以及
比对每一所述第一追踪影像中所截取的每一所述神经纤维与所述神经束骨架的结构相似性以取得多个评估值,并依据所述评估值较高的前百分之三十三至六十六的所述神经纤维取得特定神经束。
2.根据权利要求1的用于神经追踪的方法,其特征在于,在于所述储存单元所储存的所述第一关系矩阵中依据其具有的所有相似值的前N个相似值取得N个追踪参数的步骤之前,进一步包含下列步骤:
取得多个神经束的每一所述神经束所对应的第二关系矩阵;以及
将所述神经束所对应的所述第二关系矩阵取平均值而取得所述第一关系矩阵。
3.根据权利要求2的用于神经追踪的方法,其特征在于,在取得多个神经束的每一所述神经束所对应的所述第二关系矩阵的步骤中,还包含下列步骤:
取得大脑标本的标记有所述预定神经束的断层扫描影像;
将所述断层扫描影像以标志点配准技术(Landmark Registration)配准至T1加权影像(T1weighted image)空间而取得第一变换参数;
将第一T1加权影像配准至标准空间的T1模板而取得第二变换参数;
撷取所述断层扫描影像所标记的所述预定神经束,并依据所述第一变换参数与所述第二变换参数配准至所述标准空间;
依据配准至所述标准空间的所述断层扫描影像所标记的所述预定神经束与所述标准空间的解剖自动标签(Anatomical Automatic Labeling,AAL)模板取得所述标准空间中对应所述预定神经束的两个第二感兴趣区域;
取得多个健康受试者的大脑的第二T1加权影像与第二扩散权重影像,并将每一所述健康受试者的大脑的所述第二T1加权影像与所述第二扩散权重影像进行图像处理程序而取得每一所述健康受试者的所述预定神经束所对应的第三关系矩阵,其中,所述图像处理程序包含以下步骤:
将所述第二T1加权影像配准到所述第二扩散权重影像而取得配准变换参数,并对所述配准变换参数进行逆变换得到配准逆变换参数;
将所述第二T1加权影像配准至所述标准空间的所述T1模板而取得第三变换参数,并对所述第三变换参数进行逆变换得到第三逆变换参数;
对所述第二扩散权重影像进行扩散张量分析并生成第二扩散张量影像(DiffusionTensor Imaging,DTI);
将所述标准空间中对应所述预定神经束的所述两个第二感兴趣区域通过所述第三逆变换参数与所述配准变换参数转换至DWI空间,使所述第二扩散张量影像依据转换至所述DWI空间的所述两个第二感兴趣区域与所述储存单元所内建的所有非等向性指标(fractional anisotropy,FA)阈值以及转折角度进行神经追踪程序而取得多个第二追踪影像;
每一所述第二追踪影像进行不同机率的映像程序,并依据所述第三变换参数与所述配准逆变换参数转换至所述标准空间;以及
将转换至所述标准空间的以不同机率进行所述映像程序的所述第二追踪影像分别与配准至所述标准空间的所述预定神经束进行相似性比较程序,而取得对应的所述第三关系矩阵;以及
将所有健康受试者的所述预定神经束所对应的所述第三关系矩阵取平均值而取得所述预定神经束的所对应的所述第二关系矩阵。
4.根据权利要求3的用于神经追踪的方法,其特征在于,所述相似性比较程序包含:
计算转换至所述标准空间的以不同机率进行所述映像程序的所述第二追踪影像分别与配准至所述标准空间的所述预定神经束之间的重迭率而取得重迭关系矩阵;
计算转换至所述标准空间的以不同机率进行所述映像程序的所述第二追踪影像分别与配准至所述标准空间的所述预定神经束之间的准确率而取得准确关系矩阵;以及
将所述重迭关系矩阵的所述重迭率与所述准确关系矩阵的准确率依据其对应的所述追踪参数相乘而取得所述第三关系矩阵。
5.一种用于神经追踪的非暂时性计算机可读媒体,其特征在于,其经组态以储存若干操作指令,所述操作指令在由一个或多个处理器执行时使得所述一个或多个处理器执行以下操作:
接收受测者的大脑的第一扩散核磁共振影像;
于储存单元所储存的第一关系矩阵中依据其具有的所有相似值大小的前N个相似值取得N个追踪参数,其中N大于或等于八且为正整数;
依据每一所述追踪参数分别对所述第一扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像;
依据预定神经束取得两个第一感兴趣区域;
于每一所述第一追踪影像中截取所述两个第一感兴趣区域之间的多个神经纤维;
依据所述第一追踪影像所截取的所述神经纤维通过迭合公式取得多个迭合体素的神经束机率,其中,所述迭合公式为:Tj为第j个迭合体素的神经束机率,wi为第i个预定追踪参数所对应的所述相似值,(tj)i为依据第i个预定追踪参数所取得的所述第一追踪影像的第j个影像体素所具有的神经纤维数量,第j个迭合体素与每一所述第一追踪影像的第j个影像体素于位置上相互对应,i与j为正整数;
取得所述迭合体素的神经束机率前百分之一至十的所述迭合体素建立神经束骨架;以及
比对每一第一追踪影像中所截取的每一所述神经纤维与所述神经束骨架的结构相似性以取得多个评估值,并依据所述评估值较高的前百分之三十三至六十六的所述神经纤维取得特定神经束。
6.根据权利要求5的用于神经追踪的非暂时性计算机可读媒体,其特征在于,在于所述储存单元所储存的所述第一关系矩阵中依据其具有的所有相似值的前N个相似值取得N个追踪参数的操作的指令之前,进一步包含下列操作的指令:
取得多个神经束的每一所述神经束所对应的第二关系矩阵;以及
将所述神经束所对应的所述第二关系矩阵取平均值而取得所述第一关系矩阵。
7.根据权利要求6的用于神经追踪的非暂时性计算机可读媒体,其特征在于,在取得多个神经束的每一所述神经束所对应的所述第二关系矩阵的操作的指令中,还包含下列操作的指令:
取得大脑标本的标记有所述预定神经束的断层扫描影像;
将所述断层扫描影像以标志点配准技术配准至T1加权影像空间而取得第一变换参数;
将第一T1加权影像配准至标准空间的T1模板而取得第二变换参数;
撷取所述断层扫描影像所标记的所述预定神经束,并依据所述第一变换参数与所述第二变换参数配准至所述标准空间;
依据配准至所述标准空间的所述断层扫描影像所标记的所述预定神经束与所述标准空间的解剖自动标签模板取得所述标准空间中对应所述预定神经束的两个第二感兴趣区域;
取得多个健康受试者的大脑的第二T1加权影像与第二扩散权重影像,并将每一所述健康受试者的大脑的所述第二T1加权影像与所述第二扩散权重影像进行图像处理程序而取得每一所述健康受试者的所述预定神经束所对应的第三关系矩阵,其中,所述图像处理程序包含以下步骤:
将所述第二T1加权影像配准到所述第二扩散权重影像而取得配准变换参数,并对所述配准变换参数进行逆变换得到配准逆变换参数;
将所述第二T1加权影像配准至所述标准空间的所述T1模板而取得第三变换参数,并对所述第三变换参数进行逆变换得到第三逆变换参数;
对所述第二扩散权重影像进行扩散张量分析并生成第二扩散张量影像;
将所述标准空间中对应所述预定神经束的所述两个第二感兴趣区域通过所述第三逆变换参数与所述配准变换参数转换至DWI空间,使所述第二扩散张量影像依据转换至所述DWI空间的所述两个第二感兴趣区域与所述储存单元所内建的所有FA阈值以及转折角度进行神经追踪程序而取得多个第二追踪影像;
每一所述第二追踪影像进行不同机率的映像程序,并依据所述第三变换参数与所述配准逆变换参数转换至所述标准空间;以及
将转换至所述标准空间的以不同机率进行所述映像程序的所述第二追踪影像分别与配准至所述标准空间的所述预定神经束进行相似性比较程序,而取得对应的所述第三关系矩阵;以及
将所有健康受试者的所述预定神经束所对应的所述第三关系矩阵取平均值而取得所述预定神经束的所对应的所述第二关系矩阵。
8.根据权利要求7的用于神经追踪的非暂时性计算机可读媒体,其特征在于,所述相似性比较程序包含下列操作的指令:
计算转换至所述标准空间的以不同机率进行所述映像程序的所述第二追踪影像分别与配准至所述标准空间的所述预定神经束之间的重迭率而取得重迭关系矩阵;
计算转换至所述标准空间的以不同机率进行所述映像程序的所述第二追踪影像分别与配准至所述标准空间的所述预定神经束之间的准确率而取得准确关系矩阵;以及
将所述重迭关系矩阵的所述重迭率与所述准确关系矩阵的准确率依据其对应的所述追踪参数相乘而取得所述第三关系矩阵。
9.一种用于神经追踪的设备,其特征在于,所述设备包含:
一个或多个处理器;
储存单元;以及
至少一程序,其中所述至少一程序储存于所述储存单元中且经组态以由所述一个或多个处理器执行,所述至少一程序整体上包括用于以下操作指令:
接收受测者的大脑的第一扩散核磁共振影像;
于所述储存单元所储存的第一关系矩阵中依据其具有的所有相似值大小的前N个相似值取得N个追踪参数,其中N大于或等于八且为正整数;
依据每一所述追踪参数分别对所述第一扩散核磁共振影像进行神经追踪程序而取得多个第一追踪影像;
依据预定神经束取得两个第一感兴趣区域;
于每一所述第一追踪影像中截取所述两个第一感兴趣区域之间的多个神经纤维;
依据所述第一追踪影像所截取的所述神经纤维通过迭合公式取得多个迭合体素的神经束机率,其中,所述迭合公式为:Tj为第j个迭合体素的神经束机率,wi为第i个预定追踪参数所对应的所述相似值,(tj)i为依据第i个预定追踪参数所取得的所述第一追踪影像的第j个影像体素所具有的神经纤维数量,第j个迭合体素与每一所述第一追踪影像的第j个影像体素于位置上相互对应,i与j为正整数;
取得所述神经束机率大小为前百分之一至十的所述迭合体素建立神经束骨架;以及
比对每一第一追踪影像中所截取的每一所述神经纤维与所述神经束骨架的结构相似性以取得多个评估值,并依据所述评估值较高的前百分之三十三至六十六的所述神经纤维取得特定神经束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711034285.0A CN109741290B (zh) | 2017-10-30 | 2017-10-30 | 用于神经追踪的方法、非暂时性计算机可读媒体及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711034285.0A CN109741290B (zh) | 2017-10-30 | 2017-10-30 | 用于神经追踪的方法、非暂时性计算机可读媒体及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741290A true CN109741290A (zh) | 2019-05-10 |
CN109741290B CN109741290B (zh) | 2021-08-03 |
Family
ID=66354298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711034285.0A Active CN109741290B (zh) | 2017-10-30 | 2017-10-30 | 用于神经追踪的方法、非暂时性计算机可读媒体及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741290B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110599560A (zh) * | 2019-08-05 | 2019-12-20 | 上海联影医疗科技有限公司 | 磁共振成像方法、装置、存储介质及计算机设备 |
CN111091561A (zh) * | 2019-12-20 | 2020-05-01 | 上海联影医疗科技有限公司 | 感兴趣区的神经纤维提取方法、系统、设备及存储介质 |
CN112037210A (zh) * | 2020-09-02 | 2020-12-04 | 上海爱谨人工智能科技有限公司 | 一种将神经束与大脑灰质连接终点投影在大脑皮质的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060241897A1 (en) * | 2003-04-24 | 2006-10-26 | Hoogenraad Frank G C | Fibre tracking magnetic resonance imaging |
TW201137809A (en) * | 2010-04-22 | 2011-11-01 | Ching-Po Lin | Method and system for multi-dimensional stereo visualization of physiological image |
CN102609946A (zh) * | 2012-02-08 | 2012-07-25 | 中国科学院自动化研究所 | 一种基于黎曼流形的脑白质纤维束跟踪的组间处理方法 |
CN103049901A (zh) * | 2012-08-03 | 2013-04-17 | 上海理工大学 | 磁共振弥散张量成像纤维束追踪装置 |
WO2017132180A1 (en) * | 2016-01-25 | 2017-08-03 | The Regents Of The University Of California | System and method for optimized diffusion--weighted imaging |
-
2017
- 2017-10-30 CN CN201711034285.0A patent/CN109741290B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060241897A1 (en) * | 2003-04-24 | 2006-10-26 | Hoogenraad Frank G C | Fibre tracking magnetic resonance imaging |
TW201137809A (en) * | 2010-04-22 | 2011-11-01 | Ching-Po Lin | Method and system for multi-dimensional stereo visualization of physiological image |
CN102609946A (zh) * | 2012-02-08 | 2012-07-25 | 中国科学院自动化研究所 | 一种基于黎曼流形的脑白质纤维束跟踪的组间处理方法 |
CN103049901A (zh) * | 2012-08-03 | 2013-04-17 | 上海理工大学 | 磁共振弥散张量成像纤维束追踪装置 |
WO2017132180A1 (en) * | 2016-01-25 | 2017-08-03 | The Regents Of The University Of California | System and method for optimized diffusion--weighted imaging |
Non-Patent Citations (2)
Title |
---|
TAYLOR, PAUL A. 1 ET AL.: "Improving DTI Tractography by including Diagonal Tract Propagation", 《PLOS ONE》 * |
尹大志: "多模态磁共振成像数据分析方法研究与应用", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110599560A (zh) * | 2019-08-05 | 2019-12-20 | 上海联影医疗科技有限公司 | 磁共振成像方法、装置、存储介质及计算机设备 |
CN111091561A (zh) * | 2019-12-20 | 2020-05-01 | 上海联影医疗科技有限公司 | 感兴趣区的神经纤维提取方法、系统、设备及存储介质 |
CN111091561B (zh) * | 2019-12-20 | 2023-09-22 | 上海联影医疗科技股份有限公司 | 感兴趣区的神经纤维提取方法、系统、设备及存储介质 |
CN112037210A (zh) * | 2020-09-02 | 2020-12-04 | 上海爱谨人工智能科技有限公司 | 一种将神经束与大脑灰质连接终点投影在大脑皮质的方法 |
CN112037210B (zh) * | 2020-09-02 | 2024-01-26 | 上海爱谨人工智能科技有限公司 | 一种将神经束与大脑灰质连接终点投影在大脑皮质的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109741290B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guevara et al. | Reproducibility of superficial white matter tracts using diffusion-weighted imaging tractography | |
Côté et al. | Tractometer: towards validation of tractography pipelines | |
Stämpfli et al. | Combining fMRI and DTI: a framework for exploring the limits of fMRI-guided DTI fiber tracking and for verifying DTI-based fiber tractography results | |
Staempfli et al. | Resolving fiber crossing using advanced fast marching tractography based on diffusion tensor imaging | |
Jacquesson et al. | Overcoming challenges of cranial nerve tractography: a targeted review | |
Bürgel et al. | Fiber tracking with distinct software tools results in a clear diversity in anatomical fiber tract portrayal | |
CN109741290A (zh) | 用于神经追踪的方法、非暂时性计算机可读媒体及设备 | |
CN110444277B (zh) | 一种基于多生成多对抗的多模态脑部mri图像双向转换方法 | |
Hodgetts et al. | Dissociable roles of the inferior longitudinal fasciculus and fornix in face and place perception | |
CN105816192A (zh) | 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 | |
Joshi et al. | A hybrid high-resolution anatomical MRI atlas with sub-parcellation of cortical gyri using resting fMRI | |
Garcea et al. | Domain-specific diaschisis: lesions to parietal action areas modulate neural responses to tools in the ventral stream | |
JP5591687B2 (ja) | 画像処理方法 | |
Gong et al. | MR-based attenuation correction for brain PET using 3-D cycle-consistent adversarial network | |
CN113538533B (zh) | 一种脊柱配准方法、装置、设备及计算机存储介质 | |
Dini et al. | Reproducibility of quantitative fiber tracking measurements in diffusion tensor imaging of frontal lobe tracts: A protocol based on the fiber dissection technique | |
Yap et al. | PopTract: population-based tractography | |
US20070223796A1 (en) | Method and system for automatic evaluation of an image data set of a subject | |
CN115461790A (zh) | 用于对图像中的结构进行分类的方法和装置 | |
Ye et al. | A Bayesian approach to distinguishing interdigitated tongue muscles from limited diffusion magnetic resonance imaging | |
TWI614627B (zh) | 用於神經追蹤之方法、非暫時性電腦可讀媒體及設備 | |
Jarret et al. | A methodological scoping review of the integration of fMRI to guide dMRI tractography. What has been done and what can be improved: A 20-year perspective | |
CN112489150B (zh) | 面向快速mri的深度神经网络的多尺度序贯训练方法 | |
CN114723879A (zh) | 一种基于多维跨模态影像融合技术的人脑锥体束全自动重建方法 | |
US10497120B2 (en) | Method and apparatus of fiber tracking, and non-transitory computer-readable medium thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210114 Address after: Room 503, area B, 5 / F, building 2, No. 58, Xiangke Road, pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Shanghai Aijin Artificial Intelligence Technology Co.,Ltd. Address before: Taiwan Taipei City Beitou District Chinese agricultural street two No. 155 Applicant before: Lin Qingbo Applicant before: Zhang Shuntai Applicant before: Luo Junyi |
|
GR01 | Patent grant | ||
GR01 | Patent grant |