脑纤维微结构连接度算法研究

弥散张量核磁共振成像提供了研究脑白质纤维的有效工具。 基于纤维的弥散张量定性定量分析在临床越来越多地被采用。以往的算法主要通过纤维追踪算法来得到可能的纤维连接路经，继而进行脑纤维微结构连接度的量化分析。常用的纤维追踪算法主要利用局部的弥散张量信息，该方法对噪声，局部容积效应非常敏感，而且追踪误差沿着纤维路径累计。这往往导致错误的纤维追踪路经甚至得不到一些已知的纤维结构。 针对这些问题，本项目开展脑纤维微结构连接度算法研究，该方法充分利用纤维结构的整体信息和模式识别方法来完成对纤维微结构连接路径的识别；继而联合脑的不同皮层功能区，研究人脑局部微结构连接度的量化分析方法。该研究将为基于纤维的弥散张量定量分析提供新的思路，以及提出脑纤维微结构连接度的更加准确、鲁棒、可靠的方法。该方法将为临床和神经科学研究提供有效的途径。

弥散张量核磁共振成像提供了研究脑白质微结构以及纤维束结构的有效工具。对于特定纤维束的弥散参数分析在临床越来越多地被应用。以往的算法主要通过纤维追踪算法来得到可能的纤维连接路经，继而进行脑纤维微结构连接度的量化分析。常用的纤维追踪算法主要利用局部的弥散张量信息，该方法对噪声，局部容积效应非常敏感，而且追踪误差沿着纤维路径累计。这往往导致错误的纤维追踪路经甚至得不到一些已知的纤维结构。 针对这些问题，本项目开展了脑纤维微结构连接度算法研究，该方法充分利用纤维束的整体弥散信息和主动轮廓模型来完成对纤维微结构连接路径的识别。该研究为纤维束结构提取以及基于纤维束的弥散张量定量分析提供新的思路，并将为临床和神经科学研究提供有效的途径。为了进一步深入了解临床弥散张量图像分析需求以及为更好的开展弥散张量图像分析算法，通过对帕金森病人抑郁患者的弥散张量图像分析，我们研究了帕金森病人中抑郁患者的脑白质纤维变化。 研究结果揭示丘脑在帕金森抑郁疾病中起到重要的作用, 为解释帕金森疾病的脑神经机制提供了弥散张量参数变化信息。另外，提出了一种基于ROI的多变量统计框架来获得静息态下功能特异性脑网络的精细模式，为结合不同脑皮层功能区研究微结构连接度提供了基础。