CN1939211A - 磁共振影像中海马的定量形状分析方法 - Google Patents
磁共振影像中海马的定量形状分析方法 Download PDFInfo
- Publication number
- CN1939211A CN1939211A CN 200510107915 CN200510107915A CN1939211A CN 1939211 A CN1939211 A CN 1939211A CN 200510107915 CN200510107915 CN 200510107915 CN 200510107915 A CN200510107915 A CN 200510107915A CN 1939211 A CN1939211 A CN 1939211A
- Authority
- CN
- China
- Prior art keywords
- hippocampus
- axis
- point
- brain
- registration
- 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
- 238000004458 analytical method Methods 0.000 title claims description 17
- 101000831205 Danio rerio Dynein axonemal assembly factor 11 Proteins 0.000 title 1
- 102100024282 Dynein axonemal assembly factor 11 Human genes 0.000 title 1
- 241001559542 Hippocampus hippocampus Species 0.000 title 1
- 101000831210 Homo sapiens Dynein axonemal assembly factor 11 Proteins 0.000 title 1
- 210000001320 hippocampus Anatomy 0.000 claims abstract description 154
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 210000004556 brain Anatomy 0.000 claims description 22
- 201000010099 disease Diseases 0.000 claims description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 11
- 238000005481 NMR spectroscopy Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 9
- 230000003340 mental effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 206010025482 malaise Diseases 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000002651 drug therapy Methods 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000000264 spin echo pulse sequence Methods 0.000 claims description 2
- 230000000971 hippocampal effect Effects 0.000 abstract description 7
- 238000007781 pre-processing Methods 0.000 abstract 1
- 206010003694 Atrophy Diseases 0.000 description 7
- 230000037444 atrophy Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000001558 permutation test Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 210000004884 grey matter Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000011889 obduction Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 201000000980 schizophrenia Diseases 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及磁共振影像后处理领域，一种基于海马中轴的群组形状分析方法，对脑的磁共振数据进行处理。在采集到磁共振影像数据并经过必要的预处理后，由专家手工分割海马，用marching cube方法提取位于海马表面点的坐标，然后对海马建立参数化曲面模型，求出海马的中轴，利用对应的纬线圈面积对中轴进行配准，以获取更好的组织对应性，最后，利用海马表面网格点到中轴的距离为测度，用排列测试方法进行显著性统计分析。该方法计算过程快速，在普通的微机上即可完成。该方法可广泛应用于海马磁共振影像的基础研究与临床辅助诊断中。
Description
技术领域
本发明涉及磁共振影像后处理领域，一种磁共振影像中基于海马中轴的群组形状分析方法，对脑的磁共振数据进行处理。
背景技术
人类大脑中有两块类似海马形状的灰质结构，它们位于大脑后部，左右各一，解剖学称之为海马，与人类的认知和记忆等功能密切相关。早期对海马的研究仅限于尸体解剖，手法较为单一且很难应用于海马的早期诊断和临床治疗上。80年代以来，随着医学影像技术的发展，磁共振成像技术开始应用于临床。磁共振成像(Magnetic resonance imaging，MRI)是利用原子核在变化的磁场内所产生的信号经重建成像的一种影像技术，它具有无放射线损害，无骨性伪影，能多方位、多序列成像，有高度的软组织分辨能力，不需使用造影剂即可显示血管结构等独特的优点。基于这些特点，磁共振成像技术被广泛应用于研究各种精神疾病对人脑海马的结构产生何种影响以及应该采取何种相应手段来预防和治疗这种疾病。
然而，无论是什么样的成像模式，只能提供一种成像手段。建立一套对于脑部海马结构定量的形状分析方法尤为必要。国内外的学者对神经系统疾病患者脑内海马结构的异常改变做了大量的研究。
近来有研究(Wang等，2003)首先手工分割一个海马作为模板，手工标定所有MRI影像相对应的大脑上以及海马上的标记点，将模板用基于标记点的低维配准方法配准到每一个人脑影像上，然后用高维空间非刚体变换配准方法进一步提高局部配准的精度，这样得到了群组海马每个体素点的对应性。从配准过程得到变形场，并以每个体素点的变形场方向为测度，使用奇异值分解降维以提出主要差异，采用多元方差分析统计方法计算群组差异，以找出病人相对于正常人的海马形状改变。他发现阿兹海默氏病(AD)患者的海马普遍较对照组正常人的海马小，而且左边的海马要比右边的萎缩更严重。还有研究者(Thompson等，2004)首先将脑影像刚体变换到ICBM-305脑标准坐标空间，然后手工分割海马，用100*150的曲面网格参数化海马表面，认为得到的海马表面上曲面网格点已经具备了对应性，并对已经参数化的海马用骨架化的方法提取海马中轴。他们使用两个测度来研究海马形状差异，一个是海马表面每个点对于其中轴的距离，另一个是海马上每个点周围5mm球体内脑脊液占的比例。并用排列测试(permutation test)寻找群组差异，发现初发精神病人左右海马均有体积萎缩，左海马CA1区域前部和中部以及CA2区域有明显变化。
上述的研究都在一定程度上增进了人类对于人脑以及精神疾病的认识，但也存在着一些方法上的问题。就海马的形状而言，海马是一个长条结构，有一个较圆的大头，一个细细的尾巴，表面上比较平滑，没有明显的特征点，而且灰度比较平均，整体没有明显的灰度差异。基于海马整体形状的配准方法通常是基于灰度和基于特征的，所以应用到海马配准上面效果不佳，直接影响到后续的统计分析结果的可信性。而如果不进行配准，只是把他们放到标准空间就认为对应性已经满足，也是不够准确的。为此，我们这里提出一种方法，把研究者(Ltzhu等，2004)的香蕉模型应用到海马上，得到海马的中轴，利用中轴进行曲线配准，曲线配准用到研究者(Chui等，2003)的方法，以进一步提高海马纵向的对应性，之后用排列测试寻找群组差异。
参考文献：
Katherine Narr，Paul Thompson，et al.2004，Regional specificity ofhippocampal volume reductions in first-episode schizophrenia.NeuroImage，Volume 21，Issue 4，Pages 1563-1575
Lei Wang，et al.2003，Changes in hippocampal volume and shape across timedistinguish dementia of the Alzheimer type from healthy aging.NeuroImage，Volume 20，Issue 2，Pages 667-682
Litao Zhu，Tianzi Jiang，2004，Parameterization of 3D brain structures forstatistical shape analysis，Proceedings of SPIE，February 14-19，5370：1254-1261
Haili Chui，Anand Rangarajan，2003，A new point matching algorithm for non-rigid registration，Computer Vision and Image Understanding，89，114-141.
发明内容
一种基于海马中轴的群组形状分析方法，对脑的磁共振数据进行处理。在采集到磁共振影像数据并经过必要的预处理后，由专家手工分割海马，用研究者(Litao Zhu等)的方法建立参数化曲面模型，根据海马表面纬线圈求出海马的中轴，利用中轴点对应的纬线圈面积对中轴进行纵向配准，以获取更好的组织对应性，最后，利用海马表面网格点到中轴的距离为测度，用排列测试方法进行显著性统计分析。该方法适用于对各种疾病引起的海马形状变异与正常人海马进行群组对照分析，最终定位海马形状变化具体位置。该方法计算过程快速，在普通的微机上即可完成。该方法可广泛应用于海马磁共振影像的基础研究与临床辅助诊断中。
所述的对脑的磁共振数据进行处理的方法，海马的定量形状分析方法，可以对各种精神疾病引起的海马形状变异进行定量分析，以了解疾病对于海马的形态学影响以及用于临床辅助诊断和药物治疗评价领域。
一种对脑的磁共振数据进行处理的方法，利用计算机设备，对分割好的海马建立参数化曲面模型，提出海马中轴，利用对应的纬线圈面积对中轴进行配准，得到更好的组织对应性，并以海马表面网格点到中轴的距离为测度，用排列测试方法进行显著性统计分析。
所述的对脑的磁共振数据进行处理的方法，海马的定量形状分析方法，对各种精神疾病引起的海马形状变异进行定量分析，以了解疾病对于海马的形态学影响以及用于临床辅助诊断和药物治疗评价领域。
所述的对脑的磁共振数据进行处理的方法，将研究者(Litao Zhu等)的方法应用于海马，从海马分割得到的二值图像中用marching cube方法提取位于海马表面点的坐标，首先找出海马的两个极点，然后基于海马表面找出相应的经线和纬线，将海马参数化为400×200的三角网格，并取得群组海马表面网格点的初步对应性。
所述的对脑的磁共振数据进行处理的方法，在采集到磁共振影像数据并经过必要的预处理后，由专家手工分割海马，用研究者(Litao Zhu等)的方法建立参数化曲面模型，根据海马表面纬线圈求出海马的中轴，利用中轴点对应的纬线圈面积对中轴进行纵向配准，以获取更好的组织对应性，最后，利用海马表面网格点到中轴的距离为测度，用排列测试方法进行显著性统计分析。
附图说明
图1是本发明实现过程的流程图。
图2是海马的参数化表面图。
图3是基于海马中轴的一维配准图。
图4是形状分析结果显示图。
具体实施方式
如图1所示：
步骤一(S1)：磁共振图像获取。
通常的高分辨率3维T1加权像均为1.5Tesla情况下，采用自旋回波序列(SE)或梯度回波序列(SPGR)扫描的，空间分辨率毫米量级。随着磁共振成像技术的发展，使用3Tesla磁场强度的扫描也越来越多了，这种扫描方式分辨率更高，图像更清晰。
步骤二(S2)：海马分割。
海马本身属于灰质，它跟周围组织灰度上相差不多，很难分辨，在头部和另一块灰质结构杏仁核甚至相互连接，这给海马的分割带来了很大困难。目前基于灰度、特征和先验知识的自动分割方法还不够成熟，精度尚达不到要求。一般需要请神经解剖学专家手工分割海马。
步骤三(S3)：海马建模。
对于分割海马得到的二值图像，先用marching cube方法把位于海马表面上的点提取出来，用Ltzhu的方法对海马建模，得到400*200的表面网格，从海马的纵向来看，有400个曲线圆，称之为纬线圈，每个纬线圈可以求出一个中点，将中点相连接就得到了海马中轴(图2)。
步骤四(S4)：基于中轴的配准。
取每个纬线圈的面积作为海马中轴对应点的测度，将每一个海马中轴配准到模板中轴上去，配准之后纬线圈的位置会重新分布，从而使海马纵向对应的更好(图3)。
步骤五(S5)：群组统计分析及可视化。
选取海马上每个顶点到其所在纬线圈中点为测度。排列检验是一种零假设检验的方法，用排列检验对海马每个体素点统计检验结果。最后将显著性结果放在模板上并可视化(图4)。
图2，是海马的参数化表面。左图为海马纬线圈以及中轴；右图为海马的参数化网格表面。
图3，是基于海马中轴的一维配准。横坐标为海马中轴，纵坐标为海马中轴对应点的纬线圈面积。颜色较暗的线为原海马中轴曲线，颜色较亮的线为模板海马中轴曲线。左图为配准前；右图为配准后。
图4，是形状分析结果显示。深色为阿兹海默氏病人相对于正常人海马萎缩的地方，浅色为阿兹海默氏病人相对于正常人海马膨胀的地方。可以看出，病人左右海马主要以萎缩为主，左海马萎缩尤为严重，部位集中于海马侧部CA1区域。
下面举例说明本发明的实现过程：
步骤一(S1)：磁共振图像获取：选择19个阿兹海默氏病人(男10人，女9人，年龄72.6±6.9)和20个正常老年对照(男10人，女10人，年龄70.7±6.4)。本研究的目的是寻找阿兹海默氏病人的海马会有何种异常改变，以及具体在海马的那个部位，以了解此种疾病作用的生理表现。
步骤二(S2)：海马分割：我们这里采用专家手工分割的方式，并对两名专家对于同一批海马分割的结果进行相关性分析，左侧海马相关系数为0.90，右侧海马相关系数为0.95，因此可以认为海马分割的精度得到了保证。
步骤三(S3)：海马建模。
分割后得到了二值图像，用marching cube的方法提出位于海马表面的点的坐标，随后采用Ltzhu的方法建模。简单描述如下：由于任意两点都有一个最短的极地距(表面距离)，首先寻找具有最大的极地距的两个点，认为是距离最远的两个点，也就是海马的两个极点。由于海马本身形状的特点，一个极点会落在尾巴上，另外一个极点则落在头部。随后利用温度场找出海马本身的经线和纬线，将海马重新参数化为400*200三角网格，从而得到400个纬线圈，并由纬线圈的中点连接形成海马中轴。
一般的形状建模方法适应于很多形状的物体。与其它建模方法不同，Ltzhu的方法只能适用于长条形状的物体，因为需要找出长条物体的两个最远端点，并以此参数化海马。由于海马也是长条形状，这种限制性在对海马建模的时候反而是一种优点，因为这种建模方式可以保证海马的头和尾准确对应起来，从而整个海马表面具有初步的对应性。他的缺陷在于，找出了头和尾之后，在海马纵向上是均匀取样的，得到的是均匀的网格分布，而现实中，有的海马头比较长，占纵向比例较大，有的尾比较长，占纵向比例较大。为解决纵向的对应性问题，引入了步骤四(图2)。
步骤四(S4)：基于中轴的配准。
上面建模的过程中得到了海马的纬线圈，我们取这400个从头到尾的纬线圈的面积作为量度，将每个海马的中轴对模板进行一维曲线配准，这里的曲线配准方法用到了研究者(cui等，2003)的方法。之后根据配准结果将海马三角网格进行纵向调整，提高了海马参数化网格的对应性(图3)。
步骤五(S5)：群组统计分析及可视化。
我们提出一种测度，取海马上每个顶点到其所在纬线圈中点也即中轴上一点的距离为测度。排列检验是一种零假设检验的方法，避免了必须事先假设群组对应点值必须为正态分布的假设，使得结果更加可靠。可视化之后我们发现，相对于正常人而言，病人左右海马均有萎缩，左海马萎缩尤为严重，部位集中于CA1区域(图4)。
总之，海马的磁共振影像形状分析方法有着非常广泛的应用前景。与其它形状分析方法相比较，基于海马中轴的形状分析方法有如下优点：1。建模方法是针对海马的，这个步骤可以取得海马表面网格点基本的对应性。2。避开了传统基于体数据的配准方法，使得形状分析结果的可信性增加。3。基于海马中轴的纵向配准提高了对应性的精度。4。排列置换方法不需要先验假设，得出结果可信度高。
Claims (5)
1、一种对脑的磁共振数据进行处理的方法，其特征是，利用计算机设备，对分割好的海马建立参数化曲面模型，提出海马中轴，利用对应的纬线圈面积对中轴进行配准，得到更好的组织对应性，并以海马表面网格点到中轴的距离为测度，用排列测试方法进行显著性统计分析。
2、根据权利要求1所述的对脑的磁共振数据进行处理的方法，其特征在于，海马的定量形状分析方法，对各种精神疾病引起的海马形状变异进行定量分析，以了解疾病对于海马的形态学影响以及用于临床辅助诊断和药物治疗评价领域。
3.根据权利要求1所述的对脑的磁共振数据进行处理的方法，其特征在于，将Litao Zhu的方法应用于海马，从海马分割得到的二值图像中用marching cube方法提取位于海马表面点的坐标，首先找出海马的两个极点，然后基于海马表面找出相应的经线和纬线，将海马参数化为400×200的三角网格，并取得群组海马表面网格点的初步对应性。
4.根据权利要求1所述的对脑的磁共振数据进行处理的方法，其特征在于，在采集到磁共振影像数据并经过必要的预处理后，由专家手工分割海马，用Litao Zhu的方法建立参数化曲面模型，根据海马表面纬线圈求出海马的中轴，利用中轴点对应的纬线圈面积对中轴进行纵向配准，以获取更好的组织对应性，最后，利用海马表面网格点到中轴的距离为测度，用排列测试方法进行显著性统计分析。
5.根据权利要求1所述的对脑的磁共振数据进行处理的方法，其特征在于，其具体步骤如下：
步骤S1：磁共振图像获取，
通常的高分辨率3维T1加权像均为1.5Tesla情况下，采用自旋回波序列或梯度回波序列扫描的，空间分辨率毫米量级；
步骤S2：海马分割，专家手工分割海马；
步骤S3：海马建模，
分割海马得到的二值图像，先用marching cube方法把位于海马表面上的点提取出来，用Litao Zhu的方法对海马建模，得到400*200的表面网格，从海马的纵向来看，有400个曲线圆，称之为纬线圈，每个纬线圈可以求出一个中点，将中点相连接就得到了海马中轴；
步骤S4：基于中轴的配准，
取每个纬线圈的面积作为海马中轴对应点的测度，将每一个海马中轴配准到模板中轴上去，配准之后纬线圈的位置会重新分布，从而使海马纵向对应的更好；
步骤S5：群组统计分析及可视化，
选取海马上每个顶点到其所在纬线圈中点为测度，排列测试是一种零假设检验的方法，用排列测试对海马每个体素点统计检验结果，最后将显著性结果放在模板上并可视化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200510107915 CN1939211A (zh) | 2005-09-30 | 2005-09-30 | 磁共振影像中海马的定量形状分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200510107915 CN1939211A (zh) | 2005-09-30 | 2005-09-30 | 磁共振影像中海马的定量形状分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1939211A true CN1939211A (zh) | 2007-04-04 |
Family
ID=37957945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200510107915 Pending CN1939211A (zh) | 2005-09-30 | 2005-09-30 | 磁共振影像中海马的定量形状分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1939211A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101292871B (zh) * | 2007-04-25 | 2010-05-26 | 中国科学院自动化研究所 | 一种基于模式识别分类提取磁共振成像脑激活区的方法 |
| CN101515367B (zh) * | 2009-04-01 | 2011-04-13 | 西北工业大学 | 三维大脑磁共振图像的大脑皮层表面上脑沟区域分割方法 |
| CN101637386B (zh) * | 2009-07-10 | 2012-07-25 | 中国人民解放军第三军医大学第一附属医院 | 一种人体第四脑室前后径及左右径的mri定位测量方法 |
| CN106557624A (zh) * | 2016-11-14 | 2017-04-05 | 中国科学院华南植物园 | 一种兰科植物濒危状态评估的方法 |
| CN110288590A (zh) * | 2019-07-01 | 2019-09-27 | 兰州大学 | 基于形态测量学的抑郁症脑皮质下结构易损区域定位方法 |
-
2005
- 2005-09-30 CN CN 200510107915 patent/CN1939211A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101292871B (zh) * | 2007-04-25 | 2010-05-26 | 中国科学院自动化研究所 | 一种基于模式识别分类提取磁共振成像脑激活区的方法 |
| CN101515367B (zh) * | 2009-04-01 | 2011-04-13 | 西北工业大学 | 三维大脑磁共振图像的大脑皮层表面上脑沟区域分割方法 |
| CN101637386B (zh) * | 2009-07-10 | 2012-07-25 | 中国人民解放军第三军医大学第一附属医院 | 一种人体第四脑室前后径及左右径的mri定位测量方法 |
| CN106557624A (zh) * | 2016-11-14 | 2017-04-05 | 中国科学院华南植物园 | 一种兰科植物濒危状态评估的方法 |
| CN110288590A (zh) * | 2019-07-01 | 2019-09-27 | 兰州大学 | 基于形态测量学的抑郁症脑皮质下结构易损区域定位方法 |
| CN110288590B (zh) * | 2019-07-01 | 2023-05-16 | 兰州大学 | 基于形态测量学的抑郁症脑皮质下结构易损区域定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kikinis et al. | Quantitative follow‐up of patients with multiple sclerosis using MRI: technical aspects | |
| Eskildsen et al. | BEaST: brain extraction based on nonlocal segmentation technique | |
| Raffelt et al. | Apparent fibre density: a novel measure for the analysis of diffusion-weighted magnetic resonance images | |
| US8280482B2 (en) | Method and apparatus for evaluating regional changes in three-dimensional tomographic images | |
| Pannek et al. | The average pathlength map: a diffusion MRI tractography-derived index for studying brain pathology | |
| Wang et al. | MR image-based measurement of rates of change in volumes of brain structures. Part II: application to a study of Alzheimer’s disease and normal aging | |
| CN106659424B (zh) | 医用图像显示处理方法、医用图像显示处理装置及程序 | |
| CN106204562A (zh) | 一种基于fMRI与DTI融合的穹隆白质分割的方法 | |
| EP2481349B1 (en) | Method, device, and program for processing images obtained from asl mri | |
| WO2012074039A1 (ja) | 医用画像処理装置 | |
| Li et al. | Mapping fetal brain development based on automated segmentation and 4D brain atlasing | |
| Shenton et al. | Application of automated MRI volumetric measurement techniques to the ventricular system in schizophrenics and normal controls | |
| CN104523275A (zh) | 一种健康人群白质纤维束图谱构建方法 | |
| US9008394B2 (en) | Methods and apparatus for determining brain cortical thickness | |
| Yang et al. | Research and development of medical image fusion | |
| CN1939211A (zh) | 磁共振影像中海马的定量形状分析方法 | |
| WO2010005973A2 (en) | Automated surface-based anatomical analysis based on atlas-based segmentation of medical imaging | |
| CN114065825B (zh) | 一种基于结构相似性的脑磁meg源定位方法 | |
| CN115605911A (zh) | 根据图像检测人脑认知障碍 | |
| Ghadimi et al. | Segmentation of scalp and skull in neonatal MR images using probabilistic atlas and level set method | |
| CN113610742A (zh) | 一种基于深度学习的全脑结构体积测量方法及系统 | |
| KR20210127546A (ko) | 뇌 영상을 이용한 특발 정상압 수두증의 진단 방법 및 시스템 | |
| Khanna et al. | SRSSN: A Pre-processing Technique for Enhancing MRI scans for Parkinson’s Detection | |
| Shukla et al. | Automated Pipeline Preprocessing Techniques for Alzhiemer Disease Detection | |
| Jäncke | Current methods for cognitive neuroanatomy |
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 |