磁共振弥散图像数据分析新算法的研发

Based on the substantial foundation that the applicant has built in the research field of magnetic resonance (MR) diffusion tensor imaging (DTI), and the series of algorithms and tools the applicant has developed over the years, this proposal proposesto further develop new methods along 3 directions: (1) Spatial normalization of MR diffusion imaging data; (2) Automated quality assurance of MR diffusion data and optimal reconstruction of tensors, and the model of the relation between the direction of motion with color-cast in diffusion data; (3) Diffusion kurtosis imaging (DKI). In addition, we propose to extend our state-of-the-art work in DTI to the domain of several other advanced models of MR diffusion imaging (Q-ball/HARDI/DKI) , thereby solving the inability that DTI cannot efficiently process fiber crossing in neuroimaging, and the inability that DTI cannot provide insight on non-Gaussian information in living tissues. This project plans to develop a brand new algorithm for registration of MR diffusion data using a technique called "diffusion feature flow", an automated approach for quality assurance of diffusion data and optimal estimation along with a model for the relation between motion direction and color-cast in diffusion data, and a framework for fast processing of diffusion kurtosis imaging (DKI) data and its corresponding software tool for real-time analysis. Because all the 3 directions are timely topics in MR imaging research, we anticipate that the achievements from this project would help push forward the research in the MR imaging field and its related fields where MR imaging is applicable.

基于项目申请人在磁共振弥散张量图像（DTI）领域多年的研究和研发的一系列算法及工具的基础上，本项目计划在3个方向继续深入：（1）磁共振弥散图像的配准和规范化方法；（2）弥散加权数据的质量评判和张量数据的优化方法，以及运动伪影方向与偏色关系模型；（3）弥散峰度数据新分析算法。在此基础上，把原先基于DTI的工作扩展到几个高级弥散图像模型(Q-ball/HARDI/DKI)和数据上去，解决DTI模型缺乏处理脑图像中神经交叉的能力，和DTI缺乏观测非高斯信息的能力。本项目计划研发一个全新的"弥散特征流"配准算法，一个自动检测弥散数据质量和优化估计的新方法和一个弥散数据中运动方向与偏色关系模型，以及一个弥散峰值图形（DKI）的快速处理框架和实时处理软件。鉴于这3个方向的工作都是磁共振弥散影像学中亟待解决的问题，我们预计本项目的成果将有力推动本领域和相关应用方向的研究的前进。

本项目按计划对规划的三个方向（图像配准、图像数据优化和模型、弥散峰度图像）进行了深入研究，取得了较大进展，并在此基础上研发了2个全新的用于弥散张量图像(DTI)配准的新方法， 改进了DTI图像分析中的配准问题；一个弥散峰度图像(DKI)的计算模型，解决了DTI图像缺乏观测非高斯信息的的能力；和一个运动伪影与偏色关系的计算模型。 在此基础上，我们对计划进行的工作在磁共振医学影像领域进行了延伸研究，对基于弥散磁共振成像的高角度分辨率弥散成像(High Angular Resolution Diffusion Imaging, HARDI)的交叉神经追踪的估算方法、频谱弥散成像(Diffusion Spectrum Imaging, DSI)方法、磁共振图像数据的人工智能自动推算、智能虚拟磁共振成像仪、磁敏加权成像(Susceptibility-Weighted Imaging, SWI)和T1ρ影像都进行了研究。特别是由此基础延伸的研究完成了一项独创的磁共振实时测温技术，不仅在理论上取得了成果，完成了一项软件开发，递交了2项专利申请，还具有直接用于研发临床微创脑外科手术设备的巨大潜力。此外，我们还将研究取得的成果应用到了多种神经和精神疾病的临床应用研究中,在脑缺血症、癫痫、厌食症、精神分裂症、双相障碍II型抑郁症、卒中、家族性抑郁症、肝病等方面都有重要发现。受本项目支持，相关工作总计发表了至少24篇论文，其中14篇国际学术期刊SCI论文、2篇国内核心期刊论文、8篇国际会议论文；此外还有5篇国际学术期刊SCI论文正在审稿中，总计递交了3项专利申请；总计培养了2名博士后，7名博士生5名硕士生，其中毕业了5名博士，3名硕士。