CN110537915A - 一种基于fmri及dti融合的皮质脊髓束纤维追踪方法 - Google Patents

一种基于fmri及dti融合的皮质脊髓束纤维追踪方法 Download PDF

Info

Publication number
CN110537915A
CN110537915A CN201910844699.2A CN201910844699A CN110537915A CN 110537915 A CN110537915 A CN 110537915A CN 201910844699 A CN201910844699 A CN 201910844699A CN 110537915 A CN110537915 A CN 110537915A
Authority
CN
China
Prior art keywords
fmri
region
dti
task
activation
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
Application number
CN201910844699.2A
Other languages
English (en)
Inventor
牛晨
刘翔
张明
张秋丽
林盘
韩芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
First Affiliated Hospital of Medical College of Xian Jiaotong University
Original Assignee
First Affiliated Hospital of Medical College of Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by First Affiliated Hospital of Medical College of Xian Jiaotong University filed Critical First Affiliated Hospital of Medical College of Xian Jiaotong University
Priority to CN201910844699.2A priority Critical patent/CN110537915A/zh
Publication of CN110537915A publication Critical patent/CN110537915A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G06T2207/10092—Diffusion tensor magnetic resonance imaging [DTI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Neurology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法,包括对fMRI和DTI磁共振图像数据进行预处理、通过任务态功能激活提取最大激活区定义种子点来确定重要运动区域、ROI选取、利用多纤维模型的概率追踪法完成纤维追踪，本发明通过选择fMRI的运动激活区作为DTI纤维追踪的种子点，与传统解剖位置定义对脑肿瘤患者进行CST纤维追踪进行比较，以此来评价CST的不同成分与脑肿瘤边界的空间位置关系，从而为脑肿瘤患者提供有价值的术前信息。

Description

一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法
技术领域
本发明涉及图像处理技术领域，特别是涉及一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法。
背景技术
血氧依赖水平的功能磁共振成像技术(BOLD-fMRI)是近年来一种常用的无创性术前功能区定位技术，该方法对于功能区的定位被认为与传统的术中经皮层及皮层下电刺激术得到的功能定位结果较一致，是目前国际上较为流行的一种新的功能区定位技术。然而，与传统的MRI技术相似，该方法无法可视化观察到重要的皮层下白质纤维束的走行情况。皮层下深部脑肿瘤，其重要功能区(如语言及运动功能区)可能尚未被肿瘤组织破坏，然而，负责语言及运动功能区的白质纤维束由于肿瘤的占位效应可能已导致推压、移位甚至破坏。如果在术前能够明确肿瘤组织与周围重要神经纤维的关系可帮助神经外科医生制定手术路径并预估手术切除范围。磁共振弥散张量纤维束成像技术(DTT)是目前临床上唯一可用于活体显示脑内神经白质纤维束走行轨迹的技术。该技术常通过选择白质纤维束通路上的感兴趣区的种子点及目标区域，三维的观察白质纤维束的走行情况。然而，目前这些感兴趣的选择常常是基于大脑的解剖标志进行人为的勾画，这种勾画的方法在正常人是较为适用的，但对于脑肿瘤患者而言，肿瘤的占位效应会造成大脑结构的受压移位，因此，基于解剖标志进行的重要功能区的白质纤维束追踪的结果准确性会受到影响。
发明内容
本发明的目的是提供一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法，以解决上述现有技术存在的问题。
为实现上述目的，本发明提供了如下方案：本发明提供一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法，包括如下步骤：
步骤一、对fMRI和DTI磁共振图像进行预处理，所述预处理过程包括：功能磁共振、弥散张量成像，其中fMRI预处理包括时序校正、头动校正、标准化、空间平滑、去线性漂移、滤波；DTI预处理包括头动校正、涡流变形校正、去头皮操作、计算每一个体素内的弥散张量和计算FA值；
步骤二、对预处理后的图像通过任务态功能激活、提取最大激活区种子点，所述最大激活区种子点为重要运动区域；
具体过程如下：首先将预处理后的功能图像通过结构像与标准大脑空间进行标准化处理，然后对标准化处理后的图像做广义线性相关模型进行分析，即通过统计学方法选出若干个区域，对所述若干个区域进行任务态功能激活，最后提取出fMRI最大激活区种子点；
步骤三、ROI感兴趣区域的选取：在在DTI的彩色部分各项异性图，即FA图上勾画感兴趣区region of interest，ROI来跟踪corticospinal tract,CST，基于大脑解剖结构将ROI1放置在桥脑延髓区，基于BOLD-fMRI的ROI2放置在BOLD-fMRI激活区的峰值，将ROI1与ROI2两个区域同时作为新的感兴趣区域；
步骤四、利用多纤维模型的概率追踪法完成纤维追踪：以桥脑延髓区的ROI为起点，以fMRI激活区为终点，联合ROI1与ROI2作为新的感兴趣区域，实现皮质脊髓束的追踪。
优选地，步骤二中通过统计学方法选出若干个区域过程如下：通过Z统计学的图像阈值选择为Z>2.3，矫正后的有意义集群设置阈值为P<0.05，再通过任务态功能激活产生选出的3个区域，所述区域包括左侧主要运动皮层区LPMC、右侧主要运动皮层区RPMC、辅助运动皮层SMA，将提取最大激活区定义种子点来确定重要运动区域。
优选地，任务态功能激活过程如下：
所有受试者进行双手运动任务激活，所述运动任务采用组块设计模式，即静止休息状态及双手运动任务交替进行，当每个视觉刺激画面时进行反复的打开手掌和关闭手掌的运动任务。
本发明公开了以下技术效果：本发明采用多模态MRI成像技术，将每个脑肿瘤患者的功能区的fMRI激活结果作为纤维追踪的种子点进行DTT成像，能够更加完整、精确的观察颅内肿瘤邻近白质纤维束的改变情况。通过这种多模态MRI成像技术可视化的观察大脑重要功能纤维束的走行，既能帮助患者最大范围的切除肿瘤，又能在有效保护患者皮层功能区的同时完整的显示重要白质纤维束走行情况，进一步降低由于手术造成的神经功能缺陷，从而提高患者的术后生活质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的流程示意图；
图2是在病灶侧大脑半球不同ROI追踪CST结果；
图3是受试者进行双手运动任务激活的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1-3，本发明公开了一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法，并具体公开了如下步骤:
(1)对fMRI和DTI磁共振影像数据进行预处理，所述预处理包括功能磁共振和弥散张量成像两个方面，fMRI预处理分别有时序校正、头动校正、标准化、空间平滑、去线性漂移、滤波；DTI预处理包括头动校正、涡流变形校正、去头皮操作、计算每一个体素内的弥散张量和计算FA值等弥散参数等步骤。
fMRI数据预处理数据采用FSL软件进行分析。预处理流程见图1，主要包括以下几个方面：
1)时序校正
三维图像和一维时间两者构成了4D数据的BOLD-fMRI数据。在三维图像中，每层图像在成像时都会产生一个时间差，这个时间差就是TR。由于原始图像的数据点采集会造成三维图像的各层图像之间产生时间延迟，我们采取图像与一个血流动力学函数进行卷积的方法消除这个延迟，校正时间差，以保证同一个三维数据中的各层图像都处于一个时间点。
2)头动校正
由于BOLD-MRI扫描时间较长，并且噪声较大，空间密闭，患者在扫描过程中由于烦躁恐惧等心理，可能不可避免地会出现轻微头动。当头动较大时，将会造成图像点的错位，影响处理结果。头动校正采用的方法是以第一个TR的图像为参考，后续的各时间点图像通过刚性旋转到与第一幅图像保持一致，再用内插算法对各个像素点进行重采样。
3)标准化
进行核磁共振实验的被试之间存在着大脑大小和形状的差异，因此在同一个实验中分析不同被试者时，要将不同被试者的大脑统一到一个脑模板中，上述过程为归一化处理。在BOLD-fRMI的分析中，此处将EPI选定为标准模板。归一化的具体过程为：先用由最小二乘法得到的冠状面和选定的模板的冠状面进行匹配，接着通过直线回归分析自动检测前连合和后连合(AC-PC)直线，而连接处的细微差别则采用非线性的方法消除。
4)空间平滑
空间平滑采用高斯函数进行高斯平滑，能有效地消弱随机噪声对fMRI信号的影响，提高数据的信噪比。本文选用半高全宽(Full Width at Half Maximum,FWHM)为6mm的高斯核函数进行数据平滑。
5)去线性漂移
由于BOLD效应、大脑中的血流、代谢和电磁信号的综合效应，高时间分辨率和热噪声的噪音始终存在。而另一方面，由于磁共振工作过程中的升温的跟随效应，信号中会存在着随时间偏离基线的趋势。通过去线性漂移可纠正受试者的数据对生理基线的偏离。
6)滤波
在静息态BOLD-fMRI信号中，0.01～0.08Hz的信号被认为是具有生理意义的，能反映自发的神经元活动。所以静息态BOLD-fMRI数据在分析之前首先需要带通滤波，提取有效信号。
对DTI数据进行预处理：对所有的DTI数据均利用线性配准工具(FLIRT)进行涡流变形校正，将弥散图像都配准到第一幅无弥散加权图像上。接着使用FSL软件包中的BET工具进行去头皮操作，使用掩膜覆盖所有的弥散加权图像。最后使用FMRIB的弥散工具箱计算每一个体素内的弥散张量，从而计算出FA值。
(2)通过任务态功能激活提取最大激活区定义种子点来确定重要运动区域。
首先功能图像通过结构像与MNI152标准大脑空间进行标准化。
参照图3，对所有受试者进行双手运动任务激活，所述运动任务采用组块设计模式(如ABAB模式)，即30s静止休息状态(A)及30s双手运动任务(B)交替进行，整个任务过程中共有6个静息状态，5个任务状态组成；所有的病人和健康对照被引导面对每个视觉刺激画面时进行反复的打开手掌和关闭手掌的运动任务；所有被试者在扫描前都经过专门的运动任务培训，以确保完全理解该任务并能够认真配合完成扫描。
再采用FSL FEAT做广义线性相关模型分析：Z统计学的图像阈值选择为Z>2.3，矫正后的有意义集群设置阈值为P<0.05。选定的3个区域包括左侧主要运动皮层区(LPMC)、右侧主要运动皮层区(RPMC)及辅助运动皮层区(SMA)是通过任务态功能激活产生的，用于提取最大激活区定义种子点来确定重要运动区域。
(3)ROI种子点的选取。将F的阈值设置为0.2，在DTI的彩色部分各项异性图，即FA图上勾画感兴趣区region of interest，ROI来跟踪corticospinal tract,CST，在横轴位彩色FA图像上放置ROI来跟踪CST，基于大脑解剖结构将ROI1放置在桥脑延髓区，基于BOLD-fMRI的ROI2放置在BOLD-fMRI激活区的峰值，将ROI1与ROI2两个区域同时作为新的感兴趣区域；
(4)最后利用多纤维模型的概率追踪法完成纤维追踪：以桥脑延髓区的ROI为起点，以fMRI激活区为终点，基于新的感兴趣区域实现皮质脊髓束的追踪。
图2显示在病灶侧大脑半球不同ROI追踪CST结果(绿色：CST的感兴趣区置于脑桥延髓层面；黄色：CST感兴趣区置于M1功能激活区；紫色：CST感兴趣置于桥脑延髓层面及M1功能激活区)；从此结果中可以详尽的观察到整个CST走行情况与脑肿瘤的空间位置关系。
本发明基于fMRI及DTI融合的大脑肿瘤术前对皮质脊髓束纤维追踪有着实际的临床应用价值。提出了采用多模态MRI进行扫描，针对患者的肿瘤位置进行个体化任务fMRI刺激，并有效的联合DTT技术进行重要功能区白质纤维束追踪，使重要功能区白质纤维束更加精准的可视化显示出来。本发明思路新颖，过程简单，有重要的临床和科研价值。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (3)

1.一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法，其特征在于，包括如下步骤：
步骤一、对fMRI和DTI磁共振图像进行预处理，所述预处理过程包括：功能磁共振、弥散张量成像，其中fMRI预处理包括时序校正、头动校正、标准化、空间平滑、去线性漂移、滤波；DTI预处理包括头动校正、涡流变形校正、去头皮操作、计算每一个体素内的弥散张量和计算FA值；
步骤二、对预处理后的图像通过任务态功能激活、提取最大激活区种子点，所述最大激活区种子点为重要运动区域；
具体过程如下：首先将预处理后的功能图像通过结构像与标准大脑空间进行标准化处理，然后对标准化处理后的图像做广义线性相关模型进行分析，即通过统计学方法选出若干个区域，对所述若干个区域进行任务态功能激活，最后提取出fMRI最大激活区种子点；
步骤三、ROI感兴趣区域的选取：在在DTI的彩色部分各项异性图，即FA图上勾画感兴趣区region of interest，ROI来跟踪corticospinal tract,CST，基于大脑解剖结构将ROI1放置在桥脑延髓区，基于BOLD-fMRI的ROI2放置在BOLD-fMRI激活区的峰值，将ROI1与ROI2两个区域同时作为新的感兴趣区域；
步骤四、利用多纤维模型的概率追踪法完成纤维追踪：以桥脑延髓区的ROI为起点，以fMRI激活区为终点，联合ROI1与ROI2作为新的感兴趣区域，实现皮质脊髓束的追踪。
2.根据权利要求1所述的基于FMRI及DTI融合的皮质脊髓束纤维追踪方法，其特征在于：步骤二中通过统计学方法选出若干个区域过程如下：通过Z统计学的图像阈值选择为Z>2.3，矫正后的有意义集群设置阈值为P<0.05，再通过任务态功能激活产生选出的3个区域，所述区域包括左侧主要运动皮层区LPMC、右侧主要运动皮层区RPMC、辅助运动皮层SMA，将提取最大激活区定义种子点来确定重要运动区域。
3.根据权利要求1所述的基于FMRI及DTI融合的皮质脊髓束纤维追踪方法，其特征在于：任务态功能激活过程如下：
所有受试者进行双手运动任务激活，所述运动任务采用组块设计模式，即静止休息状态及双手运动任务交替进行，当出现每个视觉刺激画面时进行反复的打开手掌和关闭手掌的运动任务。
CN201910844699.2A 2019-09-07 2019-09-07 一种基于fmri及dti融合的皮质脊髓束纤维追踪方法 Pending CN110537915A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910844699.2A CN110537915A (zh) 2019-09-07 2019-09-07 一种基于fmri及dti融合的皮质脊髓束纤维追踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910844699.2A CN110537915A (zh) 2019-09-07 2019-09-07 一种基于fmri及dti融合的皮质脊髓束纤维追踪方法

Publications (1)

Publication Number Publication Date
CN110537915A true CN110537915A (zh) 2019-12-06

Family

ID=68712825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910844699.2A Pending CN110537915A (zh) 2019-09-07 2019-09-07 一种基于fmri及dti融合的皮质脊髓束纤维追踪方法

Country Status (1)

Country Link
CN (1) CN110537915A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076948A (zh) * 2021-03-26 2021-07-06 浙江工业大学 一种肿瘤压迫下听神经分割的方法
CN114627283A (zh) * 2022-03-16 2022-06-14 西安市儿童医院 基于聚类去噪的感兴趣脑区纤维束提取系统及方法
CN117635559A (zh) * 2023-11-28 2024-03-01 上海交通大学医学院附属瑞金医院 定位异常脑白质所连接灰质皮层的图像处理方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102908145A (zh) * 2012-11-09 2013-02-06 中国科学院自动化研究所 一种基于多模态磁共振成像的脑区功能定位方法
CN104207776A (zh) * 2014-08-22 2014-12-17 南昌大学 一种综合性磁共振成像装置及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102908145A (zh) * 2012-11-09 2013-02-06 中国科学院自动化研究所 一种基于多模态磁共振成像的脑区功能定位方法
CN104207776A (zh) * 2014-08-22 2014-12-17 南昌大学 一种综合性磁共振成像装置及方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
NIU, CHEN等: "Assessing Region of Interest Schemes for the Corticospinal Tract in Patients With Brain Tumors", 《MEDICINE》 *
俎栋林等: "《核磁共振成像学》", 31 January 2004, 高等教育出版社 *
杨正汉等: "《磁共振成像技术指南 检查规范、临床策略及新技术应用》", 30 June 2007, 北京：人民军医出版社 *
赖新生等: "《经穴与脑相关学说研究》", 31 March 2019, 广州：广东科技出版社 *
郎志谨等: "《MRI新技术及在中枢神经系统肿瘤的应用》", 31 January 2015, 上海科学技术出版社 *
陈爱国: "《教育神经科学视野中的体育教育创新》", 31 December 2016, 北京：教育科学出版社 *
魏鹏绪等: "使用功能性磁共振观察不同运动任务在颈部脊髓引发的去激活效应", 《医学研究杂志》 *
魏鹏绪等: "刺激下肢不同穴位在双侧感觉皮质引发的激活效应差异", 《中国康复医院杂志》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076948A (zh) * 2021-03-26 2021-07-06 浙江工业大学 一种肿瘤压迫下听神经分割的方法
CN113076948B (zh) * 2021-03-26 2024-04-16 浙江工业大学 一种肿瘤压迫下听神经分割的方法
CN114627283A (zh) * 2022-03-16 2022-06-14 西安市儿童医院 基于聚类去噪的感兴趣脑区纤维束提取系统及方法
CN117635559A (zh) * 2023-11-28 2024-03-01 上海交通大学医学院附属瑞金医院 定位异常脑白质所连接灰质皮层的图像处理方法和系统
CN117635559B (zh) * 2023-11-28 2024-04-30 上海交通大学医学院附属瑞金医院 定位异常脑白质所连接灰质皮层的图像处理方法和系统

Similar Documents

Publication Publication Date Title
Tillema et al. Reprint of “Cortical reorganization of language functioning following perinatal left MCA stroke”[Brain and Language 105 (2008) 99–111]
Fernandez-Miranda et al. High-definition fiber tractography of the human brain: neuroanatomical validation and neurosurgical applications
Jastorff et al. Integration of shape and motion cues in biological motion processing in the monkey STS
Sani et al. The human endogenous attentional control network includes a ventro-temporal cortical node
Sherrill et al. Functional connections between optic flow areas and navigationally responsive brain regions during goal-directed navigation
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
CN110537915A (zh) 一种基于fmri及dti融合的皮质脊髓束纤维追踪方法
Mantini et al. Data-driven analysis of analogous brain networks in monkeys and humans during natural vision
Whittingstall et al. Evaluating the spatial relationship of event‐related potential and functional MRI sources in the primary visual cortex
Katanoda et al. Neural substrates for the recognition of newly learned faces: a functional MRI study
Joly et al. The monkey ventral premotor cortex processes 3D shape from disparity
KR101388546B1 (ko) 기능성 자기 공명 영상을 사용한 뇌기능 진단 시스템 및 방법
Reddy et al. Denoising task-correlated head motion from motor-task fMRI data with multi-echo ICA
CN111227833B (zh) 一种基于广义线性模型的机器学习的术前定位方法
Mohamed et al. Functional MRI of the brainstem for assessing its autonomic functions: from imaging parameters and analysis to functional atlas
Zuluaga et al. Tensor domain averaging in diffusion imaging of small animals to generate reliable tractography
CN113269707A (zh) 一种基于工作记忆任务的fMRI数据功能连接方法及其应用
Intartaglia et al. Visual cortex plasticity in cochlear implant users revealed in a visual motion detection task
Wang et al. Cortical reorganization associated with the acquisition of Mandarin tones by American learners: An fMRI study
Daniel Hertz et al. Spatial processing of limbs reveals the center-periphery bias in high level visual cortex follows a nonlinear topography
CN112057088B (zh) 基于探照灯的涉及视听模态情感语音处理的脑区定位方法
Loitfelder et al. Functional connectivity analyses using emulated and conventional resting-state data: parts versus the whole story
Al-Naggar et al. Major depressive disorder early detection
Chu From Right to Left: Interhemispheric Interactions While Seeing Words and Hearing Sentences
Yusoff et al. Brain activations evoked by passive and active listening: A preliminary study on multiple subjects

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191206

RJ01 Rejection of invention patent application after publication