-
公开(公告)号：CN109978871B
公开(公告)日：2021-06-25
申请号：CN201910254180.9
申请日：2019-03-30
申请人： 西安电子科技大学
摘要： 本发明公开了一种融合概率型和确定型纤维束追踪的纤维束筛选方法，主要解决了现有技术所提取白质微结构特征真实性、准确性低的问题。其实现步骤是：1、读取DTI图像和FA图像，2、构建张量模板，3、提取张量模板的感兴趣纤维束，4、构建纤维束参数化模型，5、提取个体DTI图像的感兴趣纤维束，6、构建纤维束频率图谱，7、筛选感兴趣纤维束，本发明基于概率型纤维束追踪结果构建纤维束频率图谱，利用该图谱对纤维束参数化后的感兴趣纤维束进行筛选，使得纤维束参数化所提取的白质微结构特征精细化，有效克服了现有技术所提取白质微结构特征真实性，准确性低问题。
-
公开(公告)号：CN109978872A
公开(公告)日：2019-07-05
申请号：CN201910254191.7
申请日：2019-03-30
申请人： 西安电子科技大学
摘要： 一种基于白质纤维束的白质微结构特征筛选系统及方法，本发明的系统包括：数据读取模块、张量模板构建模块，感兴趣纤维束提取模块，纤维束参数化模型构建模块，纤维束筛选模块，统计分析模块，白质微结构特征筛选模块。本发明的步骤包括：读取DTI图像和FA图像；构建张量模板；提取张量模板的感兴趣纤维束；构建纤维束参数化模型；提取个体DTI图像的感兴趣纤维束；构建纤维束频率图谱；筛选感兴趣纤维束；统计分析；筛选待测图像上的白质微结构特征。本发明利用纤维束频率图谱筛选感兴趣纤维束，可基于个体脑部FA图像筛选出该个体的白质微结构特征，降低了所筛选白质微结构特征的误差。
-
公开(公告)号：CN109978872B
公开(公告)日：2022-12-06
申请号：CN201910254191.7
申请日：2019-03-30
申请人： 西安电子科技大学
摘要： 一种基于白质纤维束的白质微结构特征筛选系统及方法，本发明的系统包括：数据读取模块、张量模板构建模块，感兴趣纤维束提取模块，纤维束参数化模型构建模块，纤维束筛选模块，统计分析模块，白质微结构特征筛选模块。本发明的步骤包括：读取DTI图像和FA图像；构建张量模板；提取张量模板的感兴趣纤维束；构建纤维束参数化模型；提取个体DTI图像的感兴趣纤维束；构建纤维束频率图谱；筛选感兴趣纤维束；统计分析；筛选待测图像上的白质微结构特征。本发明利用纤维束频率图谱筛选感兴趣纤维束，可基于个体脑部FA图像筛选出该个体的白质微结构特征，降低了所筛选白质微结构特征的误差。
-
公开(公告)号：CN111738999B
公开(公告)日：2022-04-19
申请号：CN202010542976.7
申请日：2020-06-15
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于弥散张量成像的大脑张量模板构建方法，旨在提高大脑张量模板构建的准确度和效率，实现步骤为：对弥散张量图像进行预处理；获取个体平均B0图像集、张量图像集和FA图像集；确定标准模板；对个体FA图像进行迭代配准获取FA模板；获取个体FA图像与FA模板的配准参数；将平均B0图像集和张量图像集空间标准化；获取标准空间下所有被试的平均B0图像和平均张量图像集；获取大脑张量模板。本发明利用FA模板获取个体空间到标准空间的配准参数，作用到张量图像后进行张量重定向，减少了配准信息的丢失，提高了张量模板的准确度，同时所需的配准次数少，提高了模板构建的效率。
-
公开(公告)号：CN104523275A
公开(公告)日：2015-04-22
申请号：CN201410835765.7
申请日：2014-12-25
申请人： 西安电子科技大学
CPC分类号： A61B5/055 , A61B5/0033
摘要： 本发明涉及一种健康人群白质纤维束图谱构建方法，通过寻找个体灰质结构空间与DTI空间的对应关系，计算组人群的张量图像平均空间信息，将个体的DTI数据转换到这个平均空间下；利用相关融合手段将磁共振解剖结构像和MNI标准模板联合配准后的参数与组内配准参数进行融合，同时作用到个体T1数据集上，构建出组过渡张量图像模板；通过非线性配准再将个人T1数据配准到该过渡模板上，得到T1结构像配准到过渡模板的变换参数；将该变换参数作用到个人的DTI数据上，采用保持主特征方向的方法对每个体素点进行张量场的方向校正，并对校正后的张量进行逐个体素点的线性平均，最终获得特定健康人群组的弥散张量图谱。
-
公开(公告)号：CN111739580B
公开(公告)日：2021-11-02
申请号：CN202010544025.3
申请日：2020-06-15
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于纤维中点与端点的大脑白质纤维束聚类方法，旨在提高大脑白质纤维束聚类的准确度和效率，实现步骤为：(1)获取全脑纤维集；(2)分割全脑纤维集；(3)确定纤维中点；(4)中点聚类；(5)端点聚类；(6)确定端点聚类结果；(7)获取大脑白质纤维束聚类结果。本发明利用纤维中点和端点的位置信息作为特征，通过DBSCAN密度聚类，将大脑白质纤维束分成若干个纤维类，类内的纤维形态相似，走形一致，减少了特征敏感度的降低，提高了聚类的准确度，同时减少了计算量，提高了聚类的效率。
-
公开(公告)号：CN111738999A
公开(公告)日：2020-10-02
申请号：CN202010542976.7
申请日：2020-06-15
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于弥散张量成像的大脑张量模板构建方法，旨在提高大脑张量模板构建的准确度和效率，实现步骤为：对弥散张量图像进行预处理；获取个体平均B0图像集、张量图像集和FA图像集；确定标准模板；对个体FA图像进行迭代配准获取FA模板；获取个体FA图像与FA模板的配准参数；将平均B0图像集和张量图像集空间标准化；获取标准空间下所有被试的平均B0图像和平均张量图像集；获取大脑张量模板。本发明利用FA模板获取个体空间到标准空间的配准参数，作用到张量图像后进行张量重定向，减少了配准信息的丢失，提高了张量模板的准确度，同时所需的配准次数少，提高了模板构建的效率。
-
公开(公告)号：CN109978871A
公开(公告)日：2019-07-05
申请号：CN201910254180.9
申请日：2019-03-30
申请人： 西安电子科技大学
摘要： 本发明公开了一种融合概率型和确定型纤维束追踪的纤维束筛选方法，主要解决了现有技术所提取白质微结构特征真实性、准确性低的问题。其实现步骤是：1、读取DTI图像和FA图像，2、构建张量模板，3、提取张量模板的感兴趣纤维束，4、构建纤维束参数化模型，5、提取个体DTI图像的感兴趣纤维束，6、构建纤维束频率图谱，7、筛选感兴趣纤维束，本发明基于概率型纤维束追踪结果构建纤维束频率图谱，利用该图谱对纤维束参数化后的感兴趣纤维束进行筛选，使得纤维束参数化所提取的白质微结构特征精细化，有效克服了现有技术所提取白质微结构特征真实性，准确性低问题。
-
公开(公告)号：CN111739580A
公开(公告)日：2020-10-02
申请号：CN202010544025.3
申请日：2020-06-15
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于纤维中点与端点的大脑白质纤维束聚类方法，旨在提高大脑白质纤维束聚类的准确度和效率，实现步骤为：(1)获取全脑纤维集；(2)分割全脑纤维集；(3)确定纤维中点；(4)中点聚类；(5)端点聚类；(6)确定端点聚类结果；(7)获取大脑白质纤维束聚类结果。本发明利用纤维中点和端点的位置信息作为特征，通过DBSCAN密度聚类，将大脑白质纤维束分成若干个纤维类，类内的纤维形态相似，走形一致，减少了特征敏感度的降低，提高了聚类的准确度，同时减少了计算量，提高了聚类的效率。
-
公开(公告)号：CN104537711B
公开(公告)日：2017-07-11
申请号：CN201410835831.0
申请日：2014-12-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于健康人群的白质纤维参数化模型构建方法，首先，在张量图谱上进行确定型全脑纤维束跟踪，提取出感兴趣纤维束。根据平均最近距离准则对纤维束进行纤维绑束，针对绑束后的纤维束采用局部密度加权方法选取原型纤维，并根据弧长对原型纤维进行离散化以建立公共坐标系统，利用最优点匹配算法将纤维束上其他纤维上的点与原型纤维上的点间建立对应关系。最后，结合三次线性插值将个体纤维特性映射到图谱纤维束中，从而确立不同个体间纤维点的对应关系，得到个体被试的特性曲线，从而构建出健康人群的参数化模型。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.024 秒)
