TWI614627B

TWI614627B - 用於神經追蹤之方法、非暫時性電腦可讀媒體及設備

Info

Publication number: TWI614627B
Application number: TW106134602A
Authority: TW
Inventors: 林慶波; 舜泰張; 羅畯義
Original assignee: 林慶波; 舜泰張; 羅畯義
Priority date: 2017-10-06
Filing date: 2017-10-06
Publication date: 2018-02-11
Also published as: TW201915797A

Abstract

一種用於神經追蹤之方法、非暫時性電腦可讀媒體及設備，透過多個經過驗證而取得之較佳追蹤參數對受測者的大腦之擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像，並於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維，再將多個第一追蹤影像所截取的該些神經纖維依據疊合程序建立神經束骨架，最後選取與神經束骨架之結構較為相似的多個神經纖維而獲得受測者的特定神經束。因此，用於神經追蹤之方法、非暫時性電腦可讀媒體及設備可用以達成提高神經追蹤的敏感度，且有助於提升手術前評估及手術中導航的效果。

Description

用於神經追蹤之方法、非暫時性電腦可讀媒體及設備

[0001 ] 本發明涉及一種用於神經追蹤之方法、非暫時性電腦可讀媒體及設備，特別是可提高神經追蹤的敏感度之用於神經追蹤之方法、非暫時性電腦可讀媒體及設備。

[0002 ] 白質是中樞神經系統中主要的三個組成元素之一，由神經纖維所組成，功用在於聯繫和傳遞神經衝動，其生長的時機與成熟程度會影響到學習、自我控制與精神疾病。因此，透過神經纖維的空間微結構資訊進行成像之神經纖維重構技術的發展受到資訊、神經科學相關研究人員的共同關注。 [0003 ] 利用擴散磁振造影（diffusion magnetic resonance imaging）重構神經纖維是目前活體顯示神經纖維走向唯一的手段，藉由觀測活體內水分子擴散情形，搭配過去經驗所得知的非等向性指標（fractional anisotropy，FA）閾值以及轉折角度進行神經追蹤，可描繪出全腦的神經纖維分布。 [0004 ] 腦神經的功能及形態是高度分化的，各神經束之間有著非常大差異性存在，然而，現今進行神經追蹤時，通常依照實驗者經驗選擇單一追蹤參數（FA 閾值及轉折角度），存在沒有標準追蹤參數範圍以建立可靠之神經纖維連結的問題。此外，單一追蹤參數的神經追蹤方式雖然有著相對高的特異性，但可能會低估或高估特定神經束之走向，以神經外科腦腫瘤病患為例，神經束可能因腫瘤的生長而被壓迫、推擠，甚至浸潤，此種狀況下神經外科腦腫瘤病患相較於健康人體面對追蹤相同的神經束時可能需要設定不同的轉折角度及 FA 閾值，方能將神經束完整的刻畫出來。再者，雖然目前的神經追蹤演算法皆可自由調控追蹤參數，但並未能綜合各追蹤參數進行神經追蹤。 [0005 ] 綜上所述，可知先前技術中長期以來一直存在沒有標準追蹤參數範圍、僅使用單一追蹤參數進行神經追蹤而低估神經束之走向以及無法綜合各追蹤參數進行神經追蹤之問題，因此實有必要提出改進的技術手段，來解決此一問題。

[0006 ] 本發明揭露一種用於神經追蹤之方法、非暫時性電腦可讀媒體及設備。 [0007 ] 首先，本發明揭露一種用於神經追蹤之方法，其步驟包括：接收受測者的大腦之第一擴散核磁共振影像（Diffusion weighted imaging，DWI）；於儲存單元所儲存的第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數；依據每一追蹤參數分別對第一擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像；依據預定神經束取得二第一感興趣區域（Region of interest，ROI）；於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維；依據該些第一追蹤影像所截取的該些神經纖維透過疊合公式取得多個疊合體素的神經束機率，其中，疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的該第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數；取得該些神經束機率大小為前百分之一至十的該些疊合體素建立神經束骨架；以及比對每一第一追蹤影像中所截取的每一神經纖維與該神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的神經纖維取得特定神經束。 [0008 ] 另外，本發明揭露一種用於神經追蹤之非暫時性電腦可讀媒體，其經組態以儲存若干指令，該等指令在由一或多個處理器執行時使得該一或多個處理器執行以下操作：接收受測者的大腦之第一擴散核磁共振影像；於儲存單元所儲存的第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數；依據每一追蹤參數分別對第一擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像；依據預定神經束取得二第一感興趣區域；於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維；依據該些第一追蹤影像所截取的該些神經纖維透過疊合公式取得多個疊合體素的神經束機率，其中，疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的該第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數；取得該些神經束機率大小為前百分之一至十的該些疊合體素建立神經束骨架；以及比對每一第一追蹤影像中所截取的每一神經纖維與該神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的神經纖維取得特定神經束。 [0009 ] 再者，本發明揭露一種用於神經追蹤之設備，此設備包含：一或多個處理器、儲存單元以及至少一程式，其中該至少一程式儲存於儲存單元中且經組態以由該一或多個處理器執行，該至少一程式整體上包括用於以下操作指令：接收受測者的大腦之第一擴散核磁共振影像；於儲存單元所儲存的第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數；依據每一追蹤參數分別對第一擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像；依據預定神經束取得二第一感興趣區域；於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維；依據該些第一追蹤影像所截取的該些神經纖維透過疊合公式取得多個疊合體素的神經束機率，其中，疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的該第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數；取得該些神經束機率大小為前百分之一至十的該些疊合體素建立神經束骨架；以及比對每一第一追蹤影像中所截取的每一神經纖維與該神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的神經纖維取得特定神經束。 [0010 ] 本發明所揭露之設備與方法如上，與先前技術的差異在於本發明是透過多個經過驗證而取得之較佳追蹤參數對受測者的大腦之擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像，並於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維，再將多個第一追蹤影像所截取的該些神經纖維依據疊合程序建立神經束骨架，最後選取與神經束骨架之結構較為相似的多個神經纖維而獲得受測者的特定神經束。 [0011 ] 透過上述的技術手段，本發明可以達成提高神經追蹤的敏感度，且有助於提升手術前評估及手術中導航的效果。

[0013 ] 以下將配合圖式及實施例來詳細說明本發明之實施方式，藉此對本發明如何應用技術手段來解決技術問題並達成技術功效的實現過程能充分理解並據以實施。 [0014 ] 在說明本發明所揭露之用於神經追蹤之方法、非暫時性電腦可讀媒體及設備之前，先對本發明所自行定義的名詞作說明，本發明所述的一個追蹤參數是指一FA閾值以及一轉折角度的組合，也就是不同的追蹤參數係為不同FA閾值與不同轉折角度的組合；本發明所述之特定神經束係為經過本發明之方法而取得的某一個神經束，而本發明所述之預定神經束係為預計取得的某一個神經束；本發明所述之神經束皆為大腦白質所包含的神經束。此外，本發明所述之步驟120至步驟180可稱為多重指定標準（Multiple Assigned Criteria，MAC）演算法，詳細的說明如下所述。再者，本案所述之影像皆為三維影像，為避免圖式過於複雜，僅以二維影像呈現每一實施例的示意圖。 [0015 ] 以下配合圖式對本發明用於神經追蹤之方法、非暫時性電腦可讀媒體及設備做進一步說明，請先參閱「第1圖」，「第1圖」為本發明用於神經追蹤之方法的方法流程圖，其步驟包括：接收受測者的大腦之第一擴散核磁共振影像（步驟110）；於儲存單元所儲存的第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數（步驟120）；依據每一追蹤參數分別對第一擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像（步驟130）；依據預定神經束取得二第一感興趣區域（步驟140）；於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維（步驟150）；依據該些第一追蹤影像所截取透過疊合公式取得多個疊合體素的神經束機率，其中，疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數（步驟160）；取得該些神經束機率大小為前百分之一至十的該些疊合體素建立神經束骨架（步驟170）；以及比對每一第一追蹤影像中所截取的每一神經纖維與神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的神經纖維取得一特定神經束（步驟180）。 [0016 ] 步驟110所述之受測者可為但不限於欲進行神經手術之病患，該病患透過上述步驟110至步驟180後可取得其欲進行手術的特定神經束，有助於提升手術前的評估效果及手術中的導航效果。 [0017 ] 步驟120所述之第一關係矩陣係用以表示用於追蹤各種神經束之追蹤參數與其對應的相似值的關係，其中該些相似值係透過人腦標本與健康受試者的T1加權影像與擴散權重影像進行實驗驗證而取得，相似值越大之追蹤參數越適用於追蹤各種神經束。換句話說，第一關係矩陣係為經實驗驗證後用於表示追蹤各種神經束之追蹤參數的合適度（合適度越高，相似值越大），其實驗驗證的過程係可包含下列步驟201至207、步驟20至22、步驟310至360以及步驟410至430，因此第一關係矩陣的建立請容後詳述。此外，由於神經追蹤的最終目標係為得到準確且能夠延伸到皮質終點的神經纖維束，當N的大小越大時時，越能透過更多的追蹤參數加以組合以描述各種神經束，越可得到更完整的神經纖維追蹤，也越可明顯地去除雜訊所造成的神經纖維束，清楚地表示特定的神經走向，更能有效地將神經纖維束延伸至皮質終點，但由於N的大小越大時執行本發明用於神經追蹤之方法的時間越久，因此，步驟120所述之N的大小可大於或等於八且為正整數，即可達到上述之功效，實際N的大小可由操作本發明用於神經追蹤之設備的使用者自行決定，依據實際需求進行調整。 [0018 ] 在步驟130中，神經追蹤程序係可包含：將第一擴散核磁共振影像進行擴散張量分析並生成對應的第一擴散張量影像（Diffusion Tensor Imaging，DTI）；以及依據步驟120所取得的每一追蹤參數對第一擴散張量影像進行全腦神經追蹤而取多個第一追蹤影像。其中，每一第一追蹤影像包含多個影像體素。 [0019 ] 步驟140所述之二第一感興趣區域係為預定神經束於解剖自動標籤分區（Anatomical Automatic Labeling，AAL）模板中的一起點區域與一終點區域。其中，預定神經束即為執行本方法所欲取得的神經束，也就是用於神經追蹤之設備的使用者所欲建構的受測者的特定神經束。 [0020 ] 步驟150所截取之神經纖維的數量可為但不限於至少一千條。當截取之神經纖維的數量越多時會達到一個穩定的狀態，但執行步驟150的時間越久，由於當神經纖維的數量在八百條以後即會呈現穩定狀態，因時間的考量，步驟150所截取之神經纖維的數量可為八百至二千條以內。因此，使用者可依據其實際需求的穩定結果與重建速度進行調整。 [0021 ] 步驟160所述之疊合體素的神經束機率T _j係表示該疊合體素出現神經纖維的機率，當T _j越大時，即代表該疊合體素出現神經纖維的機率越大，因此，透過步驟170的篩選（該些神經束機率大小為前百分之一至十的該些疊合體素）而建立神經束骨架。需注意的是，僅依據神經束機率大小小於前百分之一的該些疊合體素不能完整地描繪出神經束骨架；而依據神經束機率大小大於前百分之十的該些疊合體素則會存在其他雜訊而造成錯誤訊息。 [0022 ] 步驟180所述之比對結構相似性係為比對空間位置上的重疊率，當空間位置上的重疊率越高時，評估值越高。其中，考量神經纖維束的走向以及神經纖維束可有效延伸至皮質終點，因此，步驟180係以取得該些評估值較高的前百分之三十三至六十六的神經纖維束建立特定神經束，以避免建立的特定神經束不能很好的表現出神經纖維之皮質終點或者存在其他雜訊而造成錯誤訊息。 [0023 ] 透過上述步驟，即可透過多個經過驗證而取得之較佳追蹤參數（第一關係矩陣之N個追蹤參數）對受測者的大腦之擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像，並於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維，再將多個第一追蹤影像所截取的該些神經纖維依據疊合程序（即步驟160與步驟170）建立神經束骨架，最後選取與神經束骨架之結構較為相似的多個神經纖維而獲得受測者的特定神經束。因此，可提高神經追蹤的敏感度，且有助於提升手術前評估及手術中導航的效果。 [0024 ] 此外，在執行步驟120之前，用於神經追蹤之方法更可包含下列步驟：取得多個神經束之每一神經束所對應的一第二關係矩陣（步驟20）；以及將該些神經束所對應的該些第二關係矩陣取平均值而取得該第一關係矩陣（步驟22）。其中，步驟20所述之第二關係矩陣係用以表示用於追蹤每一神經束之追蹤參數與其對應的相似值的關係，相似值越大之追蹤參數越適用於追蹤該神經束。步驟22中透過將該些神經束所對應的該些第二關係矩陣依據相同追蹤參數所對應的相似值相加總並取平均值的方式獲得步驟120所述之第一關係矩陣。透過上述步驟20至22可綜合考量各個神經束適用的追蹤參數之範圍，進而獲得適用於追蹤全部神經束的追蹤參數之範圍。 [0025 ] 請參閱「第2圖」，「第2圖」為「第1圖」之步驟20的一實施例方法流程圖。在一實施例中，步驟20可包含執行複數次下列流程步驟以取得多個神經束所對應的第二關係矩陣，流程步驟包含：取得大腦標本之標記有預定神經束的斷層掃描影像（步驟201）；將斷層掃描影像以標誌點配准技術（Landmark Registration）配准至T1加權影像空間而取得第一T1加權影像（T1 weighted image）與第一變換參數（步驟202）；將第一T1加權影像配准至標準空間的T1模板而取得第二變換參數（步驟203）；截取斷層掃描影像所標記之預定神經束，並依據第一變換參數與第二變換參數配准至標準空間（步驟204）；依據配准至標準空間之斷層掃描影像所標記之預定神經束與標準空間的AAL模板取得標準空間中對應預定神經束的二第二感興趣區域（步驟205）；取得多個健康受試者之大腦的第二T1加權影像與第二擴散權重影像，並將每一健康受試者之大腦的第二T1加權影像與第二擴散權重影像進行影像處理程序而取得每一健康受試者的預定神經束所對應的第三關係矩陣（步驟206）﹔以及將所有健康受試者所對應的該些第三關係矩陣取平均值而取得預定神經束的所對應的第二關係矩陣（步驟207）。透過執行一次上述該些步驟，即可取得一個預定神經束的第二關係矩陣，因此，步驟20須執行複數次的上述該些步驟，以取得大腦白質中多個神經束所對應的第二關係矩陣。 [0026 ] 其中，步驟206所述之第三關係矩陣係用以表示用於追蹤每一健康受試者的預定神經束之追蹤參數與其對應的相似值的關係。步驟207中透過將所有健康受試者所對應的該些第三關係矩陣依據相同追蹤參數所對應的相似值相加總並取平均值的方式獲得步驟20所述之第二關係矩陣。換句話說，透過步驟207可綜合考量所有健康受試者對於預定神經束所適用的追蹤參數之範圍，進而獲得適用於所有人對於預定神經束所適用的追蹤參數之範圍。 [0027 ] 此外，請參閱「第3圖」，「第3圖」為「第2圖」之步驟206的影像處理程序一實施例方法流程圖。步驟206所述之影像處理程序可包含以下步驟：將第二T1加權影像配准到第二擴散權重影像而取得配准變換參數，並對配准變換參數進行逆變換得到配准逆變換參數（步驟310）；將第二T1加權影像配准至標準空間的該T1模板而取得第三變換參數，並對第三變換參數進行逆變換得到第三逆變換參數（步驟320）；對第二擴散權重影像進行擴散張量分析並生成第二擴散張量影像（步驟330）；將標準空間中對應預定神經束的二第二感興趣區域透過第三逆變換參數與配准變換參數轉換至DWI空間，使第二擴散張量影像依據轉換至DWI空間的二第二感興趣區域與儲存單元所內建的所有FA閾值以及轉折角度進行神經追蹤程序而取得多個第二追蹤影像（步驟340）；每一第二追蹤影像進行不同機率的映射程序，並依據第三變換參數與該配准逆變換參數轉換至標準空間（步驟350）；以及將轉換至標準空間之以不同機率進行映射程序的該些第二追蹤影像分別與配准至標準空間之預定神經束進行相似性比較程序，而取得對應的第三關係矩陣（步驟360）。 [0028 ] 請參閱「第4圖」，「第4圖」為「第3圖」之步驟360的相似性比較程序一實施例方法流程圖。上述步驟360之相似性比較程序包含：計算轉換至標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至標準空間之預定神經束之間的重疊率而取得重疊關係矩陣（步驟410）；計算轉換至標準空間之以不同機率進行映射程序的該些第二追蹤影像分別與配准至標準空間之預定神經束之間的準確率而取得準確關係矩陣（步驟420）；以及將重疊關係矩陣之該些重疊率與準確關係矩陣之該些準確率依據其對應的追蹤參數相乘而取得第三關係矩陣（步驟430）。 [0029 ] 步驟410之重疊關係矩陣係用以表示每一第二追蹤影像所應用的追蹤參數與重疊率的對應關係，而每一追蹤參數所對應的重疊率係可先透過重疊率公式：，取得轉換至標準空間之每一機率進行該映射程序的某一第二追蹤影像與配准至標準空間之預定神經束之間的重疊率，再透過轉換至標準空間之不同機率進行該映射程序的某一第二追蹤影像與配准至標準空間之預定神經束之間的重疊率進行積分，之後將積分結果取平均值而取得。其中，A為轉換至標準空間之以每一機率進行該映射程序的某一第二追蹤影像，B為配准至標準空間之預定神經束。 [0030 ] 步驟420之準確關係矩陣係用以表示每一第二追蹤影像所應用的追蹤參數與準確率的對應關係，而每一追蹤參數所對應的準確率係可先透過準確率公式：，取得轉換至標準空間之每一機率進行該映射程序的某一第二追蹤影像與配准至標準空間之預定神經束之間的準確率，再透過轉換至標準空間之不同機率進行該映射程序的某一第二追蹤影像與配准至標準空間之預定神經束之間的準確率進行積分，之後將積分結果取平均值而取得。其中，C為轉換至標準空間之以每一機率進行該映射程序的某一第二追蹤影像，D為配准至標準空間之預定神經束。 [0031 ] 接著，請參閱「第5圖」，「第5圖」為本發明用於神經追蹤之非暫時性電腦可讀媒體之一實施例方塊圖。用於神經追蹤之非暫時性電腦可讀媒體500包含可由一或多個處理器504用於執行包含上文所闡述的用於神經追蹤之方法之操作指令502。該等操作指令可包含本文中所闡述之任何(一或多個)其他步驟。實施諸如本文中所闡述之操作指令502可儲存於非暫時性電腦可讀媒體500上。非暫時性電腦可讀媒體500可係諸如一磁碟或光碟或一磁帶之一儲存媒體，或此項技術中已知之任何其他適合之非暫時性電腦可讀媒體。 [0032 ] 接著，請參閱「第6圖」，「第6圖」為本發明用於神經追蹤之設備之設備方塊圖。用於神經追蹤之設備600包含處理器602、儲存單元604以及程式606，其中程式606儲存於儲存單元604中且經組態以由處理器602執行，程式606整體上可包含上文所闡述的用於神經追蹤之方法之操作指令。其中，處理器602、儲存單元604以及程式606的數量可為但不限於一，可依據實際需求進行調整。 [0033 ] 以下配合「第7圖」至「第17圖」以實施例的方式進行如下說明。 [0034 ] （第一關係矩陣的建立） [0035 ] 由於第一關係矩陣係將多個神經束之每一神經束所對應的第二關係矩陣依據相同追蹤參數所對應的相似值相加總並取平均值而獲得。在本實施例中，係以取得弓狀束（arcuate fasciculus，AF）所對應的第二關係矩陣進行步驟201至步驟207的說明，大腦白質的其他神經束所對應的第二關係矩陣可依據相同的方式取得，進而取得本發明所述之第一關係矩陣。本實施例所述之第一關係矩陣係以大腦白質中四個神經束：上縱束第三前支（superior longitudinal fasciculus III anterior part，SLFIII anterior part）、上縱束第三後支（superior longitudinal fasciculus III posterior part，SLF III posterior part）、AF以及下額枕束（inferior fronto-occipital fasciculus，IFOF）所對應的第二關係矩陣依據相同追蹤參數所對應的相似值相加總並取平均值而獲得。 [0036 ] 請參照「第7圖」，「第7圖」係為步驟201至步驟205的一實施例示意圖。在本實施例中，預定神經束可為AF。腦標本以已浸泡2年福馬林的陳舊腦標本半腦為例。其中，第一T1加權影像與斷層掃描影像之左右兩側的兩個白點係為標誌點，透過標誌點將斷層掃描影像配准至T1加權影像空間而取得第一變換參數，再將第一T1加權影像配准至標準空間而取得第二變換參數（步驟202至步驟203），再將斷層掃描影像所標記的AF轉換至標準空間中（步驟204），接著透過標準空間的AAL模板疊合轉換至標準空間中的AF影像即可找到AF所對應的ROIs（即圖式的ROI1與ROI2，也就是二個第二感興趣區域）（步驟205）。需注意的是，由於大腦白質神經束的結構為三維立體結構，為了方便進行實施例的特徵說明，以不同角度的二維圖式呈現每一步驟的影像，該些二維圖式所對應的立體結構之情況為熟悉此領域之具有通常知識者所通知，故不於此贅述。 [0037 ] 請參照「第8圖」、「第9圖」與「第10圖」，「第8圖」係為步驟206所包含的步驟310至步驟340的一實施例示意圖，「第9圖」係為步驟350的一實施例示意圖，「第10圖」係為步驟360所包含的步驟410至步驟430的一實施例示意圖。在本實施例中，健康受試者人數為10位（其中，6名女性，4名男性，平均年齡約57歲）。由於取得每一位健康受試者的AF所對應的第三關係矩陣的步驟相同（即每一位健康受試者的AF所對應的第三關係矩陣的取得皆須透過步驟310至步驟360），因此，「第8圖」至「第10圖」係以一位健康受試者之大腦的第二T1加權影像與第二擴散權重影像進行影像處理程序而取得其AF所對應的第三關係矩陣進行示例，其他九位健康受試者之AF所對應的第三關係矩陣可同理取得之。 [0038 ] 健康受試者的大腦的第二T1加權影像與第二擴散權重影像採用 3T MRI（Siemens Tiro）進行第二T1加權影像掃描，其參數為： TR/TE=2500/27ms；矩陣大小（matrix）=256x256；觀察野（FOV）=192x192mm；體素大小（voxel size）=1x1x1mm ³；第二擴散權重影像（DWI）的參數為：TR/TE=11000/104ms；體素大小（voxel size）=2x2x2 mm ³；梯度敏感因子（b-value）=1000s/mm ²；擴散編碼取向方向（diffusion encoding direction）=30；NEX=3。 [0039 ] 儲存單元所內建的FA閾值範圍為0.10至0.30，內建的轉折角度範圍為20∘至80∘，每一追蹤參數係由該些FA閾值範圍與該些轉折角度排列組合而成，換句話說，本實施例之儲存單元所內建的追蹤參數的數量為35個。每一個追蹤參數皆可產生一第二追蹤影像，每一第二追蹤影像皆先進行不同機率的映射程序，並轉換至標準空間後，與配准至標準空間之AF進行相似性比較程序（即步驟410至步驟420）而取得其重疊率與準確率，再將每一個追蹤參數的重疊率與準確率相乘而得到第三關係矩陣（即步驟430）。因此，可於取得十位健康受試者的AF所對應的第三關係矩陣之後取其平均值而獲得AF所對應的第二關係矩陣（即步驟207）。 [0040 ] 在本實施例中，SLF III anterior part所對應的第二關係矩陣如「第11A圖」所示，SLF III posterior part所對應的第二關係矩陣如「第11B圖」所示，AF所對應的第二關係矩陣如「第11C圖」所示，IFOF所對應的第二關係矩陣如「第11D圖」所示，第一關係矩陣（如「第12圖」所示，「第12圖」係為第一關係矩陣的一實施例示意圖）可將上述該些第二關係矩陣依據相同的追蹤參數將其數據相加取平均值而取得（即步驟22）。 [0041 ] （受測者的特定神經束之建構） [0042 ] 請參閱「第13圖」，「第13圖」係為執行步驟110所取得的第一擴散核磁共振影像。接著，請參照「第12圖」，其中，橫軸代表轉折角度，縱軸代表FA閥值，一轉折角度與一FA閾值對應對應組成一追蹤參數，在本實施例中，每一追蹤參數所對應的相似值大小係以顏色深淺進行表示（顏色越深相似值越小，顏色越淡相似值越大），但本實施例並非用以限定本發明。舉例而言，每一追蹤參數所對應的相似值大小亦可直接以數據進行表示。在本實施例中，實驗者依據其需求選取八個較為合適的追蹤參數（分別為圖式中以黑框圈選的追蹤參數）：FA閾值=0.20，轉折角度=60°（相似值=0.5255）；FA閾值=0.25，轉折角度=70°（相似值=0.5195）；FA閾值=0.25，轉折角度=80°（相似值=0.5189）；FA閾值=0.25，轉折角度=60°（相似值=0.5170）；FA閾值=0.20，轉折角度=50°（相似值=0.5162）；FA閾值=0.25，轉折角度=50°（相似值=0.5080）；FA閾值=0.20，轉折角度=70°（相似值=0.5070）；FA閾值=0.30，轉折角度=70°（相似值=0.4984），進行神經追蹤程序（即步驟120）。 [0043 ] 然後，請參照「第14圖」，「第14圖」係為執行步驟130至步驟150後的一實施例示意圖。透過每一追蹤參數進行神經追蹤程序可產生一第一追蹤影像（此時為全腦的神經追蹤），再根據本實施例之預定神經束所對應的第一感興趣區域，截取二第一感興趣區域之間的多個神經纖維（即取得預定要進行建構預定神經束的神經纖維）。在本實施例中，預定神經束可為AF，因此，二第一感興趣區域等同於上述之二第二感興趣區域。「第14圖」包含上述八個較為合適的追蹤參數進行神經追蹤並截取出二第一感興趣區域之間的多個神經纖維的結果，為避免圖式複雜，僅繪製每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維，而未繪製全腦的結構與其位置。在本實施例中，二第一感興趣區域之間的神經纖維數量可為一千條。 [0044 ] 接著，請參照「第15圖」，「第15圖」係為執行步驟170後的一實施例示意圖。在本實施例中，可取得該些神經束機率大小為前百分之一、前百分之五或前百分之十的該些疊合體素建立神經束骨架，以下係以該些神經束機率大小為前百分之十的該些疊合體素所建立的神經束骨架進行步驟180的說明。 [0045 ] 請參照「第16圖」，「第16圖」係為執行步驟180後的一實施例示意圖。在本實施例中，可透過該些評估值較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經纖維而取得特定神經束。從圖式中可知當以取得該些評估值較高的前百分之三十三至六十六的神經纖維束建立特定神經束時，可避免建立的特定神經束不能很好的表現出神經纖維之皮質終點或者存在其他雜訊而造成錯誤訊息。 [0046 ] 在此實施例情況下所取得之結果（如「第16圖」所示）與一般常用單一追蹤參數（例如：FA閾值=0.2與轉折角度=60°）所取得之結果（如「第17圖」所示）相比，本發明所提出的用於神經追蹤之方法更能準確地描繪出弓狀束的神經纖維走向以及皮質終點，將有助於提升神經外科手術之術前的評估效果及術中的導航效果。 [0047 ] 綜上所述，可知本發明與先前技術之間的差異在於透過多個經過驗證而取得之較佳追蹤參數對受測者的大腦之擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像，並於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維，再將多個第一追蹤影像所截取的該些神經纖維依據疊合程序建立神經束骨架，最後選取與神經束骨架之結構較為相似的多個神經纖維而獲得受測者的特定神經束，藉由此一技術手段可以解決先前技術所存在的問題，進而達成提高神經追蹤的敏感度，且有助於提升手術前評估及手術中導航的效果。 [0048 ] 雖然本發明以前述之實施例揭露如上，然其並非用以限定本發明，任何熟習相像技藝者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，因此本發明之專利保護範圍須視本說明書所附之申請專利範圍所界定者為準。

[0049 ]
500‧‧‧用於神經追蹤之非暫時性電腦可讀媒體
502‧‧‧操作指令
504、602‧‧‧處理器
600‧‧‧用於神經追蹤之設備
604‧‧‧儲存單元
606‧‧‧程式
步驟20‧‧‧取得多個神經束之每一神經束所對應的一第二關係矩陣
步驟22‧‧‧將該些神經束所對應的該些第二關係矩陣取平均值而取得該第一關係矩陣
步驟110‧‧‧接收受測者的大腦之第一擴散核磁共振影像
步驟120‧‧‧於儲存單元所儲存的第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數
步驟130‧‧‧依據每一追蹤參數分別對第一擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像
步驟140‧‧‧依據預定神經束取得二第一感興趣區域
步驟150‧‧‧於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維
步驟160‧‧‧依據該些第一追蹤影像所截取的該些神經纖維透過疊合公式取得多個疊合體素的神經束機率，其中，疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數
步驟170‧‧‧取得該些神經束機率大小為前百分之一至十的該些疊合體素建立神經束骨架
步驟180‧‧‧比對每一第一追蹤影像中所截取的每一神經纖維與神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的該些神經纖維取得一特定神經束
步驟201‧‧‧取得大腦標本之標記有預定神經束的斷層掃描影像
步驟202‧‧‧將斷層掃描影像以標誌點配准技術配准至T1加權影像空間而取得第一變換參數
步驟203‧‧‧將第一T1加權影像配准至標準空間的T1模板而取得第二變換參數
步驟204‧‧‧擷取斷層掃描影像所標記之預定神經束，並依據第一變換參數與第二變換參數配准至標準空間
步驟205‧‧‧依據配准至標準空間之斷層掃描影像所標記之預定神經束與標準空間的AAL模板取得標準空間中對應預定神經束的二第二感興趣區域
步驟206‧‧‧取得多個健康受試者之大腦的第二T1加權影像與第二擴散權重影像，並將每一健康受試者之大腦的第二T1加權影像與第二擴散權重影像進行影像處理程序而取得每一健康受試者所對應的第三關係矩陣
步驟207‧‧‧將所有健康受試者的預定神經束所對應的該些第三關係矩陣取平均值而取得預定神經束的所對應的第二關係矩陣
步驟310‧‧‧將第二T1加權影像配准到第二擴散權重影像而取得配准變換參數，並對配准變換參數進行逆變換得到配准逆變換參數
步驟320‧‧‧將第二T1加權影像配准至標準空間的該T1模板而取得第三變換參數，並對第三變換參數進行逆變換得到第三逆變換參數
步驟330‧‧‧對第二擴散權重影像進行擴散張量分析並生成第二擴散張量影像
步驟340‧‧‧將標準空間中對應預定神經束的二第二感興趣區域透過第三逆變換參數與配准變換參數轉換至DWI空間，使第二擴散張量影像依據轉換至DWI空間的二第二感興趣區域與儲存單元所內建的所有FA閾值以及轉折角度進行神經追蹤程序而取得多個第二追蹤影像
步驟350‧‧‧每一第二追蹤影像進行不同機率的映射程序，並依據第三變換參數與該配准逆變換參數轉換至標準空間
步驟360‧‧‧將轉換至標準空間之以不同機率進行映射程序的該些第二追蹤影像分別與配准至標準空間之預定神經束進行相似性比較程序，而取得對應的第三關係矩陣
步驟410‧‧‧計算轉換至標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至標準空間之預定神經束之間的重疊率而取得重疊關係矩陣
步驟420‧‧‧計算轉換至標準空間之以不同機率進行映射程序的該些第二追蹤影像分別與配准至標準空間之預定神經束之間的準確率而取得準確關係矩陣
步驟430‧‧‧將重疊關係矩陣之該些重疊率與準確關係矩陣之該些準確率依據其對應的追蹤參數相乘而取得第三關係矩陣

[0012 ] 第1圖為本發明用於神經追蹤之方法的方法流程圖。第2圖為第1圖之步驟20的一實施例方法流程圖。第3圖為第2圖之步驟206的影像處理程序一實施例方法流程圖。第4圖為第3圖之步驟360的相似性比較程序一實施例方法流程圖。第5圖為本發明用於神經追蹤之非暫時性電腦可讀媒體之一實施例方塊圖。第6圖為本發明用於神經追蹤之設備之方塊圖。第7圖係為步驟201至步驟205的一實施例示意圖。第8圖係為步驟206所包含的步驟310至步驟340的一實施例示意圖。第9圖係為步驟350的一實施例示意圖。第10圖係為步驟360所包含的步驟410至步驟430的一實施例示意圖。第11A圖係為SLF III anterior part所對應的第二關係矩陣的一實施例示意圖。第11B圖係為SLF III posterior part所對應的第二關係矩陣的一實施例示意圖。第11C圖係為AF所對應的第二關係矩陣的一實施例示意圖。第11D圖係為IFOF所對應的第二關係矩陣的一實施例示意圖。第12圖係為第一關係矩陣的一實施例示意圖。第13圖係為執行步驟110所取得的第一擴散核磁共振影像。第14圖係為執行步驟130至步驟150後的一實施例示意圖。第15圖係為執行步驟170後的一實施例示意圖。第16圖係為執行步驟180後的一實施例示意圖。第17圖係為單一追蹤參數進行神經追蹤程序所取得的AF一實施例示意圖。

步驟20‧‧‧取得多個神經束之每一神經束所對應的一第二關係矩陣

步驟22‧‧‧將該些神經束所對應的該些第二關係矩陣取平均值而取得該第一關係矩陣

步驟110‧‧‧接收受測者的大腦之第一擴散核磁共振影像

步驟120‧‧‧於儲存單元所儲存的第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數

步驟130‧‧‧依據每一追蹤參數分別對第一擴散核磁共振影像進行神經追蹤程序而取得多個第一追蹤影像

步驟140‧‧‧依據預定神經束取得二第一感興趣區域

步驟150‧‧‧於每一第一追蹤影像中截取二第一感興趣區域之間的多個神經纖維

步驟160‧‧‧依據該些第一追蹤影像所截取的該些神經纖維透過疊合公式取得多個疊合體素的神經束機率，其中，疊合公式為：，T_j為第j個疊合體素的神經束機率，w_i為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數

步驟170‧‧‧取得該些神經束機率大小為前百分之一至十的該些疊合體素建立神經束骨架

步驟180‧‧‧比對每一第一追蹤影像中所截取的每一神經纖維與神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的神經纖維取得一特定神經束

Claims

一種用於神經追蹤之方法，該方法包含下列步驟：接收一受測者的大腦之一第一擴散核磁共振影像（Diffusion weighted imaging，DWI）；於一儲存單元所儲存的一第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數；依據每一該追蹤參數分別對該第一擴散核磁共振影像進行一神經追蹤程序而取得多個第一追蹤影像；依據一預定神經束取得二第一感興趣區域（Region of interest，ROI）；於每一該第一追蹤影像中截取該二第一感興趣區域之間的多個神經纖維；依據該些第一追蹤影像所截取的該些神經纖維透過一疊合公式取得多個疊合體素的神經束機率，其中，該疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的該第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一該第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數；取得該些神經束機率大小為前百分之一至十的該些疊合體素建立一神經束骨架；以及比對每一該第一追蹤影像中所截取的每一該神經纖維與該神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的該些神經纖維取得一特定神經束。
根據申請專利範圍第1項之用於神經追蹤之方法，其中在於該儲存單元所儲存的該第一關係矩陣中依據其具有的所有相似值的前N個相似值取得N個追蹤參數的步驟之前，進一步包含下列步驟：取得多個神經束之每一該神經束所對應的一第二關係矩陣；以及將該些神經束所對應的該些第二關係矩陣取平均值而取得該第一關係矩陣。
根據申請專利範圍第2項之用於神經追蹤之方法，其中在取得多個神經束之每一該神經束所對應的該第二關係矩陣的步驟中，更包含下列步驟：取得一大腦標本之標記有該預定神經束的一斷層掃描影像；將該斷層掃描影像以標誌點配准技術（Landmark Registration）配准至T1加權影像（T1 weighted image）空間而取得一第一變換參數；將該第一T1加權影像配准至一標準空間的一T1模板而取得一第二變換參數；擷取該斷層掃描影像所標記之該預定神經束，並依據該第一變換參數與該第二變換參數配准至該標準空間；依據配准至該標準空間之該斷層掃描影像所標記之該預定神經束與該標準空間的一解剖自動標籤（Anatomical Automatic Labeling，AAL）模板取得該標準空間中對應該預定神經束的二第二感興趣區域；取得多個健康受試者之大腦的一第二T1加權影像與一第二擴散權重影像，並將每一該健康受試者之大腦的該第二T1加權影像與該第二擴散權重影像進行一影像處理程序而取得每一該健康受試者的該預定神經束所對應的一第三關係矩陣，其中，該影像處理程序包含以下步驟：將該第二T1加權影像配准到該第二擴散權重影像而取得一配准變換參數，並對該配准變換參數進行逆變換得到一配准逆變換參數；將該第二T1加權影像配准至該標準空間的該T1模板而取得一第三變換參數，並對該第三變換參數進行逆變換得到一第三逆變換參數；對該第二擴散權重影像進行擴散張量分析並生成一第二擴散張量影像（Diffusion Tensor Imaging，DTI）；將該標準空間中對應該預定神經束的該二第二感興趣區域透過該第三逆變換參數與該配准變換參數轉換至一DWI空間，使該第二擴散張量影像依據轉換至該DWI空間的該二第二感興趣區域與該儲存單元所內建的所有非等向性指標（fractional anisotropy，FA）閾值以及轉折角度進行一神經追蹤程序而取得多個第二追蹤影像；每一該第二追蹤影像進行不同機率的一映射程序，並依據該第三變換參數與該配准逆變換參數轉換至該標準空間；以及將轉換至該標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至該標準空間之該預定神經束進行一相似性比較程序，而取得對應的該第三關係矩陣；以及將所有健康受試者的該預定神經束所對應的該些第三關係矩陣取平均值而取得該預定神經束的所對應的該第二關係矩陣。
根據申請專利範圍第3項之用於神經追蹤之方法，其中該相似性比較程序包含：計算轉換至該標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至該標準空間之該預定神經束之間的一重疊率而取得一重疊關係矩陣；計算轉換至該標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至該標準空間之該預定神經束之間的一準確率而取得一準確關係矩陣；以及將該重疊關係矩陣之該些重疊率與該準確關係矩陣之準確率依據其對應的該追蹤參數相乘而取得該第三關係矩陣。
一種用於神經追蹤之非暫時性電腦可讀媒體，其經組態以儲存若干操作指令，該等操作指令在由一或多個處理器執行時使得該一或多個處理器執行以下操作：接收一受測者的大腦之一第一擴散核磁共振影像；於一儲存單元所儲存的一第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數；依據每一該追蹤參數分別對該第一擴散核磁共振影像進行一神經追蹤程序而取得多個第一追蹤影像；依據一預定神經束取得二第一感興趣區域；於每一該第一追蹤影像中截取該二第一感興趣區域之間的多個神經纖維；依據該些第一追蹤影像所截取的該些神經纖維透過一疊合公式取得多個疊合體素的神經束機率，其中，該疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的該第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一該第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數；取得該些疊合體素的神經束機率前百分之一至十的該些疊合體素建立一神經束骨架；以及比對每一第一追蹤影像中所截取的每一該神經纖維與該神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的該些神經纖維取得一特定神經束。
根據申請專利範圍第5項之用於神經追蹤之非暫時性電腦可讀媒體，其中在於該儲存單元所儲存的該第一關係矩陣中依據其具有的所有相似值的前N個相似值取得N個追蹤參數的操作之指令之前，進一步包含下列操作之指令：取得多個神經束之每一該神經束所對應的一第二關係矩陣；以及將該些神經束所對應的該些第二關係矩陣取平均值而取得該第一關係矩陣。
根據申請專利範圍第6項之用於神經追蹤之非暫時性電腦可讀媒體，其中在取得多個神經束之每一該神經束所對應的該第二關係矩陣的操作之指令中，更包含下列操作之指令：取得一大腦標本之標記有該預定神經束的一斷層掃描影像；將該斷層掃描影像以標誌點配准技術配准至T1加權影像空間而取得一第一變換參數；將該第一T1加權影像配准至一標準空間的一T1模板而取得一第二變換參數；擷取該斷層掃描影像所標記之該預定神經束，並依據該第一變換參數與該第二變換參數配准至該標準空間；依據配准至該標準空間之該斷層掃描影像所標記之該預定神經束與該標準空間的一解剖自動標籤模板取得該標準空間中對應該預定神經束的二第二感興趣區域；取得多個健康受試者之大腦的一第二T1加權影像與一第二擴散權重影像，並將每一該健康受試者之大腦的該第二T1加權影像與該第二擴散權重影像進行一影像處理程序而取得每一該健康受試者的該預定神經束所對應的一第三關係矩陣，其中，該影像處理程序包含以下步驟：將該第二T1加權影像配准到該第二擴散權重影像而取得一配准變換參數，並對該配准變換參數進行逆變換得到一配准逆變換參數；將該第二T1加權影像配准至該標準空間的該T1模板而取得一第三變換參數，並對該第三變換參數進行逆變換得到一第三逆變換參數；對該第二擴散權重影像進行擴散張量分析並生成一第二擴散張量影像；將該標準空間中對應該預定神經束的該二第二感興趣區域透過該第三逆變換參數與該配准變換參數轉換至一DWI空間，使該第二擴散張量影像依據轉換至該DWI空間的該二第二感興趣區域與該儲存單元所內建的所有FA閾值以及轉折角度進行一神經追蹤程序而取得多個第二追蹤影像；每一該第二追蹤影像進行不同機率的一映射程序，並依據該第三變換參數與該配准逆變換參數轉換至該標準空間；以及將轉換至該標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至該標準空間之該預定神經束進行一相似性比較程序，而取得對應的該第三關係矩陣；以及將所有健康受試者的該預定神經束所對應的該些第三關係矩陣取平均值而取得該預定神經束的所對應的該第二關係矩陣。
根據申請專利範圍第7項之用於神經追蹤之非暫時性電腦可讀媒體，其中該相似性比較程序包含下列操作之指令：計算轉換至該標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至該標準空間之該預定神經束之間的一重疊率而取得一重疊關係矩陣；計算轉換至該標準空間之以不同機率進行該映射程序的該些第二追蹤影像分別與配准至該標準空間之該預定神經束之間的一準確率而取得一準確關係矩陣；以及將該重疊關係矩陣之該些重疊率與該準確關係矩陣之準確率依據其對應的該追蹤參數相乘而取得該第三關係矩陣。
一種用於神經追蹤之設備，該設備包含：一或多個處理器；一儲存單元；以及至少一程式，其中該至少一程式儲存於該儲存單元中且經組態以由該一或多個處理器執行，該至少一程式整體上包括用於以下操作指令：接收一受測者的大腦之一第一擴散核磁共振影像；於該儲存單元所儲存的一第一關係矩陣中依據其具有的所有相似值大小的前N個相似值取得N個追蹤參數，其中N大於或等於八且為正整數；依據每一該追蹤參數分別對該第一擴散核磁共振影像進行一神經追蹤程序而取得多個第一追蹤影像；依據一預定神經束取得二第一感興趣區域；於每一該第一追蹤影像中截取該二第一感興趣區域之間的多個神經纖維；依據該些第一追蹤影像所截取的該些神經纖維透過一疊合公式取得多個疊合體素的神經束機率，其中，該疊合公式為：，為第j個疊合體素的神經束機率，為第i個預定追蹤參數所對應的該相似值，為依據第i個預定追蹤參數所取得的該第一追蹤影像之第j個影像體素所具有的神經纖維數量，第j個疊合體素與每一該第一追蹤影像的第j個影像體素於位置上相互對應，i與j為正整數；取得該些神經束機率大小為前百分之一至十的該些疊合體素建立一神經束骨架；以及比對每一第一追蹤影像中所截取的每一該神經纖維與該神經束骨架之結構相似性以取得多個評估值，並依據該些評估值較高的前百分之三十三至六十六的該些神經纖維取得一特定神經束。