首页 > 文献资料
-
基于MR图像的大鼠脑自定义模板的构建
目的 基于大鼠头部高分辨磁共振图像,探讨建立大鼠自定义脑模板的可能性,旨在对图像的基于体素的形态学分析(voxel-based morphometry,VBM)提供研究基础.方法 应用首都医科大学中心实验室Micro MR成像仪对18只12周龄正常成年雄性SD大鼠头部成T2像;将公开的大鼠脑模板RAT97 T2W设为初始模板,对图像进行线性配准,得到一个模板;之后将该模板作为非线性配准的初始参考模板图像,进行非线性配准;经过以上两步,得到该组数据的大鼠脑自定义模板;后将自定义脑模板与RAT97 T2W进行定量比较.结果 相比较RAT97 T2W,自定义模板与原始图像整体相似度更高,并且更好地继承了原始图像的信息量.结论 与RAT97 T2W相比,应用本方法构建的大鼠脑自定义模板图像结构清晰,保留了原始图像的特殊性,更能代表该组样本大脑的形态结构,适用于该组样本的分析与研究.
-
基于自由形变的3D非线性医学图像配准
目的 针对北京大学医学物理和工程北京市重点实验室研发的小动物SPECT/CT成像仪,实现三维上的图像配准以校正成像间产生的组织运动伪影.方法 把被成像组织的运动用整体的仿射变换和局部的非线性变换两部分进行表达,并用基于体素的归一化互信息作为配准的相似性测度,建立综合图像相似性测度和空间变换函数平滑性要求的代价方程,用近似牛顿算法(LBFGS)在全空间搜索优化变换参数使得代价方程取得极值,从而确定该相似性测度下的空间变换函数.结果 用模拟数据对该方法进行验证的结果表明,配准后图像间的相关系数值有所增加,误配基本被消除.结论 采用此方法能够较好地描述局部组织的非线性运动,消除呼吸运动伪影,实现三维图像的配准.
-
非线性立体脑图像配准中的机器学习方法
针对基于属性向量的非线性配准算法,提出用机器学习的方法寻找脑图像中各个点上的优几何特征向量.通过定义一个能量函数把寻找优属性向量的过程归结为一个优化问题.把训练得到的优属性向量与HAMMER(一种基于属性向量的非线性配准算法)相结合,对模拟的MR脑图像进行了实验,与HAMMER相比,位移场的精度提高了10%.改进后的算法对真实的MR脑图像的配准结果,也有很大的改善.
-
基于图像非线性配准的MRI几何失真校正
采用图像非线性配准的方法,对MRI存在的几何失真进行校正,先选取与MRI具有共同解剖结构且基本无几何失真的CT图像,作为配准校正的目标基准图像,将MRI与CT图像进行刚体配准,然后采用人工选点的方法,寻找CT图像和MRI中的对应标记点集,用改进的弹体样条函数进行全局非线性配准.结果表明:弹体样条变换具有较强的非线性校正能力,较好地实现了二维MRI的几何失真校正.我们采用的变换模型有效可行,并可用于三维失真图像的校正.
-
基于T1结构像校正扩散张量成像几何畸变伪影的临床应用
目的 采用非线性配准的方法对扩散张量成像(DTI)进行几何畸变伪影校正,并对校正效果进行定性与定量评价,提供一种有效且便于临床实现的伪影校正方法.方法 实验数据采用5例健康志愿者的T1结构像与DTI数据.校正过程包括T1结构像的灰度反转,DTI涡流校正,线性配准与非线性配准相结合的方法实现DTI的几何畸变伪影校正.并比较校正前后图像差异、各向异性分数(FA)标准差图和纤维束跟踪的结果评价校正效果.结果 校正之后的DTI图像质量明显提高,与结构像更为相符,特别是在前额叶以及颞叶区;同时FA标准差减小,前额叶区域的纤维素跟踪结果也与标准图谱更为相近.结论 本研究提出的校正方法提高了DTI数据的准确性,同时避免了传统的校正方法因采集多余图像而浪费宝贵的采集时间的缺点,具有重要的临床价值.
