CN111161261A - 基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法 - Google Patents
基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法 Download PDFInfo
- Publication number
- CN111161261A CN111161261A CN202010043280.XA CN202010043280A CN111161261A CN 111161261 A CN111161261 A CN 111161261A CN 202010043280 A CN202010043280 A CN 202010043280A CN 111161261 A CN111161261 A CN 111161261A
- Authority
- CN
- China
- Prior art keywords
- image
- brain
- average
- diffusion tensor
- newborn
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000004556 brain Anatomy 0.000 title claims abstract description 35
- 238000009792 diffusion process Methods 0.000 title claims abstract description 32
- 230000004641 brain development Effects 0.000 title claims abstract description 30
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 15
- 210000004885 white matter Anatomy 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 210000005013 brain tissue Anatomy 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000003702 image correction Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000011161 development Methods 0.000 claims description 9
- 230000018109 developmental process Effects 0.000 claims description 9
- 210000000877 corpus callosum Anatomy 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000004886 head movement Effects 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 claims description 4
- 206010011732 Cyst Diseases 0.000 claims description 3
- 210000005252 bulbus oculi Anatomy 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 208000031513 cyst Diseases 0.000 claims description 3
- 210000003739 neck Anatomy 0.000 claims description 3
- 210000003625 skull Anatomy 0.000 claims description 3
- 238000002598 diffusion tensor imaging Methods 0.000 description 13
- 238000011160 research Methods 0.000 description 8
- 230000037361 pathway Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000023105 myelination Effects 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 238000000528 statistical test Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000006907 apoptotic process Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 210000004126 nerve fiber Anatomy 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/04—Babies, e.g. for SIDS detection
- A61B2503/045—Newborns, e.g. premature baby monitoring
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (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)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- High Energy & Nuclear Physics (AREA)
- Neurology (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,包括:A、对新生儿DTI图像进行预处理的步骤;包括数据格式转换、图像校正以及脑组织提取;B、进行弥散张量参数计算的步骤;C、将FA图像配准到MNI标准空间并计算其平均FA图像;D、对平均FA图像进行对称性处理的步骤;E、对经过对称处理的所述平均FA图像,提取FA骨架;F、将每个被试的FA图像投射到对称的FA骨架中,获取每个被试的FA骨架图;G、将左、右脑同源等位体素的FA值相减,得到其差值的绝对值。采用本发明的方法,基于DTI图像对脑白质非对称指标进行定量计算,以实现对新生儿脑发育情况的定量分析。
Description
技术领域
本发明涉及医学影像和磁共振影像(MRI)图像处理技术,尤其涉及一种基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法。
背景技术
磁共振影像(MRI)扩散张量成像(Diffusion Tensor Imaging,DTI),临床上也称为弥散张量成像。DTI的原理是通过测量组织内水分子扩散的程度和方向,间接观测脑白质组织的微观结构特性。DTI成像是目前唯一一种能够对活体以无损方式显示脑白质神经纤维束走向的技术,因而被广泛应用于临床和人脑科学研究。其中,脑白质非对称性一般被认为是一种人类大脑发育的生物指标,特别是关于语言和运动控制功能相关的大脑发育。据之前的超声研究发现,这种大脑非对称性早在胎儿还在20~22周的时候就已经表现出来。并且脑白质的非对称性可以反映新生儿大脑发育过程中的髓鞘形成过程。
当前最常用、最可靠的DTI分析技术是采用基于空间统计(Tract-Based SpatialStatistics,TBSS)方法。具体是:通过采用TBSS算法,将被试的扩散张量参数图像经过线性和非线性变换配准到标准空间后,再通过提取基于各向异性分数(FA)骨架并进行扩散张量参数投射的方法。这样,能够解决在常规DTI分析中遇到的脑白质和脑灰质混杂的问题。
通过采用上述TBSS方法提取的基于各向异性分数(FA)骨架图,可用于研究脑白质纤维束完整性。一般认为各向异性分数(FA)值越高,说明纤维束的完整性越高、髓鞘化程度越好。但在能否作为发育指标方面存在非常大的争议,尤其是新生儿发育过程中,伴随着树突分支、突触形成和细胞凋亡,这些现象又会导致FA的降低。
因此,上述这些问题导致目前还没有一个可靠的可用于衡量新生儿脑白质发育情况的定量分析方法及其指标。
发明内容
有鉴于此,本发明的主要目的在于提供一种基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,通过基于DTI图像对脑白质非对称指标进行定量计算,以此实现对新生儿脑发育情况的定量分析。
为达到上述目的,本发明的技术方案如下:
一种基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,包括如下步骤:
A、对新生儿DTI图像进行预处理的步骤;包括数据格式转换、图像校正以及脑组织提取;
B、进行弥散张量参数计算的步骤;
C、将FA图像配准到MNI标准空间并计算其平均FA图像;
D、对平均FA图像进行对称性处理的步骤;
E、对经过对称性处理的所述平均FA图像,提取FA骨架;
F、将每个被试的FA图像投射到对称的FA骨架中,获取每个被试的FA骨架图;
G、将左、右脑同源等位体素的FA值相减,得到其差值的绝对值。
其中:步骤A所述的数据格式转换、图像校正以及脑组织提取过程,具体为:
A1、将磁共振设备产生的原始数据为DICOM格式的图像,先转换为通用的医学图像格式NIFTI;
A2、对所述NIFTI格式的图像,使用EDDY_CORRECT指令进行涡流伪影和头动校正;
A3、采用BET算法,将颈部、眼球和颅骨这些非脑组织部分去除。
步骤B所述进行弥散张量参数计算的步骤,具体包括:通过DTI张量模型拟合弥散张量的本征值,计算各向异性分数FA弥散参数图;其计算关系式如下:
其中:λ1、λ2、λ3分别代表了弥散张量的本征值。
步骤D所述对平均FA图像进行对称性处理的过程,具体为:将所述平均FA图像作左、右镜像反转后,再与原平均FA图像叠加,并计算其均值图像,以获得左、右脑对称的平均FA图像。
进一步包括为验证新生儿脑发育定量分析方法的可靠性的步骤H,具体包括:
H1、提取与新生儿运动通路相关的上放射冠SCR_motor、新生儿语言处理相关的胼胝体前部FMI以及新生儿发育相关区域内囊IC的非对称性数值,比较所述非对称性数值与孕周之间的关系;
H2、验证所述非对称性数值与孕周之间的关系,即提取的脑白质非对称性指标与孕周呈正相关关系。
本发明的基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,具有如下有益效果:
采用本发明的新生儿脑发育定量分析方法,相较于现有的适用于研究脑白质完整性却无法对新生儿脑发育情况进行定量分析的TBSS方法,本发明提出结合TBSS与对称性这一重要新生儿发育指标,验证本发明方法的可靠性。本发明在实施例中,通过引入了早产儿和正常儿童作为实验被试,来研究和预测不同孕周(30~40周)的新生儿脑发育情况。研究结果表明,本发明方法的结果相关性R值达到0.7、统计检验P值小于10-7,在临床上具有非常好的统计显著性和可靠性。因此,应用本发明方法在临床研究上可以帮助研究人员更好的理解和定量分析新生儿的大脑发育状况。
附图说明
图1为本发明实施例基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法流程示意图;
图2a、图2b、图2c分别为本发明实施例提取的新生儿运动通路相关的上放射冠(SCR_motor)、新生儿语言处理相关的胼胝体前部(FMI)以及重要的新生儿发育相关区域内囊(IC)的非对称性数值与孕周之间的关系实验结果示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明作进一步详细的说明。
图1为本发明实施例基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法流程示意图。本发明基于DTI图像的脑白质非对称性进行定量计算,用以定量分析新生儿的脑发育状况
如图1所示,该新生儿脑发育定量分析方法,包括如下步骤:
步骤11:对新生儿DTI图像进行预处理的步骤。包括数据格式转换、图像校正以及脑组织提取。具体包括:
步骤111:将磁共振设备产生的原始数据为DICOM格式,先转换为通用的医学图像格式NIFTI;
步骤112:DTI图像由于涡旋电流的存在会产生图像伪影,同时,在扫描过程中,被试可能存在头动的情况,因此使用EDDY_CORRECT指令进行涡流伪影和头动校正;
步骤113:通过BET算法,将颈部、眼球、颅骨等非脑组织部分去除。
这里,所述BET算法,具体是通过调用用于脑组织提取的bet命令,以及根据输入的设置图像密度阈值f等参数来制定输入图像的算法。
步骤12:弥散张量参数计算的步骤。具体为:
通过DTI张量模型拟合弥散张量的本征值,并计算各向异性分数FA弥散参数图。其计算关系式如下:
其中:λ1、λ2、λ3分别代表了弥散张量的本征值。
步骤13:将FA图像配准到MNI标准空间并计算其平均FA图像。
此时的FA图像在空间分布上,左右脑形状并非相同,其提取的FA骨架也非左右对称的,无法直接进行对称性研究,因此还需要进行对称性处理。
步骤14:对平均FA图像进行对称性处理的步骤。具体为:将平均FA图像作左、右镜像反转后,再与原平均FA图像叠加,并计算其均值图像,从而获得左、右脑对称的平均FA图像。
步骤15:对经过对称处理的所述平均FA图像,提取FA骨架。此时提取的FA骨架是对称的。
步骤16:将每个被试的FA图像投射到对称的FA骨架中,以获取每个被试的FA骨架图。
步骤17:将左、右脑同源等位体素的FA值相减,得到其差值的绝对值。
这里,所述差值的绝对值,反映了每个被试的脑白质的非对称性,可作为衡量新生儿脑白质发育状况的指标。
进一步地,为了验证本发明新生儿脑发育定量分析方法的可靠性,在本发明实施例中,引入了早产儿和正常儿童作为实验对象被试,用来研究和预测不同孕周(30~40周)的新生儿脑发育情况。如图2a~图2c所示。
图2a、图2b、图2c分别为本发明实施例(为验证本发明新生儿脑发育定量分析方法的可靠性)提取的新生儿运动通路相关的上放射冠(SCR_motor)、新生儿语言处理相关的胼胝体前部(FMI)以及重要的新生儿发育相关区域内囊(IC)的非对称性数值与孕周之间的关系实验结果示意图。
在该验证和预测实验中,分别提取了与新生儿运动通路相关的上放射冠(SCR_motor)、新生儿语言处理相关的胼胝体前部(FMI)以及重要的新生儿发育相关区域内囊(IC),用于研究其非对称性数值和孕周之间的关系。
如图2a、图2b、图2c的实验结果所示。研究结果表明,本发明方法的结果相关性R值达到0.7、统计检验P值小于10-7,在临床上具有非常好的统计显著性和可靠性,在临床研究上可以帮助我们更深入的认识和研究新生儿的大脑发育过程。
综合以上图2a、图2b、图2c所示的实验结果,证明了本发明提取的脑白质非对称性指标与孕周呈显著的正相关(显著性P值小于10-7)关系。因此,更加印证了这三处脑区的脑白质非对称性对于研究大脑发育具有重要意义。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (5)
1.一种基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,其特征在于,包括如下步骤:
A、对新生儿DTI图像进行预处理的步骤;包括数据格式转换、图像校正以及脑组织提取;
B、进行弥散张量参数计算的步骤;
C、将FA图像配准到MNI标准空间并计算其平均FA图像;
D、对平均FA图像进行对称性处理的步骤;
E、对经过对称性处理的所述平均FA图像,提取FA骨架;
F、将每个被试的FA图像投射到对称的FA骨架中,获取每个被试的FA骨架图;
G、将左、右脑同源等位体素的FA值相减,得到其差值的绝对值。
2.根据权利要求1所述基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,其特征在于,步骤A所述的数据格式转换、图像校正以及脑组织提取过程,具体为:
A1、将磁共振设备产生的原始数据为DICOM格式的图像,先转换为通用的医学图像格式NIFTI;
A2、对所述NIFTI格式的图像,使用EDDY_CORRECT指令进行涡流伪影和头动校正;
A3、采用BET算法,将颈部、眼球和颅骨这些非脑组织部分去除。
4.根据权利要求1所述基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,其特征在于,步骤D所述对平均FA图像进行对称性处理的过程,具体为:将所述平均FA图像作左、右镜像反转后,再与原平均FA图像叠加,并计算其均值图像,以获得左、右脑对称的平均FA图像。
5.根据权利要求1所述基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法,其特征在于,进一步包括为验证新生儿脑发育定量分析方法的可靠性的步骤,具体包括步骤H:
H1、提取与新生儿运动通路相关的上放射冠SCR_motor、新生儿语言处理相关的胼胝体前部FMI以及新生儿发育相关区域内囊IC的非对称性数值,比较所述非对称性数值与孕周之间的关系;
H2、验证所述非对称性数值与孕周之间的关系,即提取的脑白质非对称性指标与孕周呈正相关关系。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020100152071 | 2020-01-07 | ||
CN202010015207 | 2020-01-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111161261A true CN111161261A (zh) | 2020-05-15 |
Family
ID=70563064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010043280.XA Pending CN111161261A (zh) | 2020-01-07 | 2020-01-15 | 基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161261A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085810A (zh) * | 2020-09-21 | 2020-12-15 | 上海交通大学 | 脑组织自由水成像重建方法及系统、存储介质及终端 |
CN112633378A (zh) * | 2020-12-24 | 2021-04-09 | 电子科技大学 | 一种多模态影像胎儿胼胝体智能检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140155731A1 (en) * | 2011-05-23 | 2014-06-05 | Assistance Publique - Hôpitaux De Paris | Method for identifying neuroprotective compounds and/or neuroregeneration stimulators by fractional anisotropy measurements by diffusion-based mri scanning |
US20150379713A1 (en) * | 2012-10-17 | 2015-12-31 | Assistance Publique - Hôpitaux De Paris | Method for quantifying brain injuries |
CN109691985A (zh) * | 2018-12-19 | 2019-04-30 | 北京工业大学 | 一种基于dti技术及svm的颞叶癫痫辅助诊断方法 |
-
2020
- 2020-01-15 CN CN202010043280.XA patent/CN111161261A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140155731A1 (en) * | 2011-05-23 | 2014-06-05 | Assistance Publique - Hôpitaux De Paris | Method for identifying neuroprotective compounds and/or neuroregeneration stimulators by fractional anisotropy measurements by diffusion-based mri scanning |
US20150379713A1 (en) * | 2012-10-17 | 2015-12-31 | Assistance Publique - Hôpitaux De Paris | Method for quantifying brain injuries |
CN109691985A (zh) * | 2018-12-19 | 2019-04-30 | 北京工业大学 | 一种基于dti技术及svm的颞叶癫痫辅助诊断方法 |
Non-Patent Citations (1)
Title |
---|
曾强: "3.0T 核磁共振弥散张量成像儿童脑白质的研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085810A (zh) * | 2020-09-21 | 2020-12-15 | 上海交通大学 | 脑组织自由水成像重建方法及系统、存储介质及终端 |
CN112085810B (zh) * | 2020-09-21 | 2023-10-31 | 上海交通大学 | 脑组织自由水成像重建方法及系统、存储介质及终端 |
CN112633378A (zh) * | 2020-12-24 | 2021-04-09 | 电子科技大学 | 一种多模态影像胎儿胼胝体智能检测方法及系统 |
CN112633378B (zh) * | 2020-12-24 | 2022-06-28 | 电子科技大学 | 一种多模态影像胎儿胼胝体智能检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bastiani et al. | Automated processing pipeline for neonatal diffusion MRI in the developing Human Connectome Project | |
Oishi et al. | Quantitative evaluation of brain development using anatomical MRI and diffusion tensor imaging | |
Verde et al. | UNC-Utah NA-MIC framework for DTI fiber tract analysis | |
EP2481349B1 (en) | Method, device, and program for processing images obtained from asl mri | |
BR112016006097B1 (pt) | Método de avaliação de uma condição de pelo menos uma porção de um tecido animal ou humano, método de diagnóstico de uma condição patológica de pelo menos uma porção de um tecido animal ou humano e dispositivo relacionado | |
CN110827282B (zh) | 一种基于磁共振成像的脑白质纤维束示踪分析方法及系统 | |
CN111753833A (zh) | 基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法 | |
CN111161261A (zh) | 基于磁共振弥散张量脑影像的新生儿脑发育定量分析方法 | |
CN110111296A (zh) | 深度学习的新发皮层下小梗死病灶自动分割系统及其方法 | |
Zöllei et al. | TRActs constrained by UnderLying INfant anatomy (TRACULInA): An automated probabilistic tractography tool with anatomical priors for use in the newborn brain | |
KR20170033771A (ko) | 생체의 화상 검사를 위한 roi의 설정 기술 | |
CN111598864B (zh) | 一种基于多模态影像贡献度融合的肝细胞癌分化评估方法 | |
CN111311585A (zh) | 一种新生儿的磁共振弥散张量脑影像分析方法及其系统 | |
Combes et al. | Advanced spinal cord MRI in multiple sclerosis: Current techniques and future directions | |
CN110458869B (zh) | 一种新生儿磁共振结构脑影像的配准方法及其系统 | |
CN110537915A (zh) | 一种基于fmri及dti融合的皮质脊髓束纤维追踪方法 | |
Nieman et al. | Ultrasound and magnetic resonance microimaging of mouse development | |
Wang et al. | Semi-automatic segmentation of the fetal brain from magnetic resonance imaging | |
Zhao et al. | Automatic macaque brain segmentation based on 7T MRI | |
Memon et al. | Image pre-processing for differential diagnosis of multiple sclerosis using brain MRI | |
Steger | Characterisation of Longitudinal Brain Morphology, Neurometabolism and Prenatal to Neonatal Brain Growth in Patients with Congenital Heart Disease | |
Zeraii et al. | Optimal Parameters of Diffusion MRI measuring Corticospinal Tract Integrity in healthy subjects | |
Tang et al. | A Deep Learning-Based Brain Age Prediction Model for Preterm Infants via Neonatal MRI | |
Oishi et al. | Reprint of “Quantitative evaluation of brain development using anatomical MRI and diffusion tensor imaging” | |
Bastiani et al. | King’s Research Portal |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |