脊髓弥散张量图像全自动快速无缝拼接研究

As diffusion tensor imaging (DTI) technique is able to inferring the tissue microstructures, it gradually becomes a very important tool for clinical diagnosis and evaluation of spinal cord diseases. With the limitation of imaging condition, DTI cannot visualize whole human spinal cord at a time, which influences the clinical analysis of some systemic diseases. To address this problem, this project will establish a novel theoretical framework for automatic and fast stitching of spinal cord DT images by means of the physical meaning of tensors. An effective correction approach will be developed to remove the artifacts and the misalignment between diffusion weighted images at different gradients. With the corrected images of different portions, a fast feature-based registration method will be proposed to enable accurate alignment of the overlap regions between adjacent portions. In addition, the project will first propose efficient seamless compositing algorithms for DT images using the optimal seam and tensor gradient. Based on the proposed framework, the DT images of whole spinal cord will be obtained to analyze the pathological feature of adolescent idiopathic scoliosis. The project has high potential to solve the challenging problem of fast accurate stitching of DT images. The high-resolution whole spinal cord DT images will be obtained using the proposed stitching method. The project is of great significance for spinal cord diseases in terms of pathological research and diagnosis.

由于能够观察组织的细微结构变化，弥散张量成像技术逐渐成为脊髓疾病诊断和评估的重要工具。然而成像物理条件的限制使得其不能获得人的整个脊髓的全景图像，影响了某些疾病的诊断效率和有效性。本项目将基于张量的物理意义，首次建立脊髓弥散张量图像的全自动快速无缝拼接理论框架，获得整个脊髓组织的水分子扩散信息。我们将针对脊髓组织结构的特性，设计高效的校正方法消除伪影和各梯度弥散加权图像的不一致。为了快速准确地对齐相邻图像的重叠区域，我们将构造基于特征的弥散张量图像配准算法。本项目首次探索针对张量数据结构的图像融合方法，并设计张量图像的最佳线缝融合和基于梯度场的融合拼接方法。基于提出的算法获取全脊髓的弥散张量图象，项目将探索青少年特发性脊柱侧弯病人的脊髓病变特征。本研究有望解决脊髓弥散张量图像的拼接难题，获得精确的全景脊髓弥散张量图像，对于脊髓相关疾病的病理研究和临床诊断具有重大的意义和价值。

我们按原定计划开展了研究，并取得了预期的研究成果，已全面完成了预期的考核指标。.在研究的第一部分，基于图的半监督学习模型，我们提出了一种新型的距离测度学习的弥散张量图像分割方法。已有分割算法采用预先确定的测度，需要足够的参数调教与先验知识。为了弥补这些不足，我们探索采用自适应地为每个分割任务学习最优的测度。该方法首先融合了几何与方向距离构造了原始判别距离，然后基于图的半监督学习模型，提出了一种有效的距离测度学习方法，并使用迭代梯度下降法获得最优解。仿真数据与真实大脑数据的实验结果证明了算法能的有效性与精确度。. 在研究的第二部分，我们提出一种新型的自动拼接方法用于人脊髓的弥散张量图像。弥散张量图像具有较小的扫描视野，因此不能获得整个脊髓的高分辨率成像。本研究提出了采用拼接多段图像的方式获得整个脊髓的成像。研究首先提出了一种基于特征的配准方法，准确地对齐相邻的图像，并提出了一种无缝拼接方法获得整个脊髓的图像。两个真实数据的试验验证了方法的有效性。. 在研究的第三部分，弥散张量成像被用于检测青少年脊柱侧弯病人的延髓和整个脊髓的白质变化。本研究采用了13个右侧胸段侧弯女孩和13个年龄匹配的正常女孩。我们首先使用提出的拼接算法获得整个脊髓的弥散张量图像。研究比较了病人组与正常组在延髓和不同节段脊髓的各向异性度(FA) 与平均弥散度(MD)两个参数的差异。结果发现了病人组在延髓，颈部脊髓的1-2、2-3、3-4与4-5节段有显著的FA下降与MD提高，并且在病人组发现了颈部脊髓的4- 5节段的FA与扁桃体水平相关。本研究的发现与之前青少年脊柱侧弯的颈部脊髓5-6节段以上出现异常的体感诱发电位测量的发现是一致的。. 此外，本项目还提出了一种基于脑白质纤维的DTI统计分析方法：基于脑白质纤维束模板的空间统计方法。此方法针对传统DTI分析方法的缺陷，在组分析时，不需要将不同个体DTI或FA图的空间对齐，减少统计结果受配准误差的影响。. 本项目研究成果主要体现为学术论文与专利，预期发表论文8篇，会议文章8篇，申请专利2项，培养博士研究生2名，硕士研究生3名。实际发表国外核心期刊论文16篇，其中SCI收录16篇，会议文章8篇，培养博士研究生3名，硕士研究生2名。. 在财务方面严格按照国际自然科学基金委的要求进行经费支出，总拨款70万元，已花费41.