基本信息
- 项目名称：
- 基于扩散张量成像的脑白质纤维三维重建算法研究与软件开发
- 来源：
- 第十二届“挑战杯”作品
- 小类：
- 信息技术
- 大类：
- 科技发明制作B类
- 简介：
- 本项目基于高阶张量模型估计扩散张量信号，以解决纤维交叉等问题。进而，基于该模型研究一种精确、快速的群体优化的纤维随机跟踪算法。最后开发了基于.NET平台的脑白质纤维三维重构软件系统。该系统集成了现有常用算法及本项目研究的新算法，利用VTK三维展示脑白质纤维的三维走向，在实际临床数据中得到测试应用。结果表明，本项目提出的算法能精确、快速地获取给定脑区间的纤维连接度量。
- 详细介绍：
- 本项目基于高阶张量模型估计扩散张量信号，以解决纤维交叉等问题。针对目前国际上流行的脑白质纤维跟踪算法精度低、速度慢等问题，在高阶张量模型的基础上提出了一种新型的算法——基于群体优化的脑白质纤维随机跟踪算法，并研发了国内首款脑白质纤维三维重建软件。通过该软件，用户可以选择基于群体优化的脑白质纤维随机跟踪算法或者目前国际流行的算法来重建脑白质纤维。该软件可以为脑部病症的临床医学诊断提供图像依据，也可为脑白质微结构和脑机制的研究提供高效的分析工具。
作品图片
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- 研究目的： 基于扩散张量成像的脑白质纤维三维重建技术，是目前较常用的一种能对活体脑神经连接进行非侵入式研究的方法。可为脑部疾病的诊断提供辅助。但是目前脑白质纤维微结构的重建算法还存在精度低、计算机运算耗时长等问题，对于此技术的应用也缺乏配套的专业辅助软件。因此，本项目致力于研究一种更加快速、精确地脑纤维三维重建算法，并开发一款脑白质纤维三维重建可视化的软件系统，用于分析脑神经纤维的走向。 研究内容： （1）脑白质纤维三维重建模型 目前常利用扩散张量成像（DTI）模型建立体素纤维扩散张量，但由于扩散张量模型在低各向异性和多种纤维交叉方面的局限性，最近的研究在现有DTI模型的基础上，利用新的高角度分辨率获取手段来优化DTI模型，提出一种高阶张量模型。 （2）脑白质纤维三维重建算法 本项目提出了一种基于高阶张量模型的群体优化随机跟踪新方法，该方法有效地结合了局部纤维走向分布和全局纤维路径的信息，利用粒子群技术进行脑白质纤维跟踪。 （3）脑白质纤维三维重建软件系统 本项目开发出了一款用于脑白质纤维三维重建的软件。 技术关键及创新点： （1）优化DTI模型的基础上提出了高阶张量模型。 （2）基于高阶张量模型，提出了一种全新的群体优化随机跟踪算法。算法能利用较少数目的粒子迅速获得全局最优纤维，从而显著提高纤维跟踪效率。 （3）项目软件界面布局明朗 ，操作简单，有利于计算机操作经验不足的医务人员迅速上手，快速掌握要领，有利于医学推广。
科学性、先进性
- 本项目基于高阶张量模型估计扩散张量信号，以解决纤维交叉等问题。进而，基于该模型研究一种精确、快速的群体优化的纤维随机跟踪算法。该算法能快速并精确地跟踪出脑白质纤维；在此基础上，项目组还开发了国内首款基于.NET的脑白质纤维三维重建软件，通过该软件，用户可以选择不同的算法（基于群体优化的白质纤维随机跟踪算法、Streamline算法、随机跟踪算法等）来重建脑白质纤维，利用VTK三维展示脑白质纤维的三维走向，在实际临床数据中得到测试应用。结果表明，本项目提出的算法能精确、快速地获取给定脑区间的纤维连接度量，为脑白质微结构的研究和脑部病症的诊断提供有效地辅助分析工具。
获奖情况及鉴定结果
- 1. 2009年浙江省新苗人才计划项目，项目题目:脑纤维微结构三维重建软件开发(项目编号：2010R403012) 2. 2010年XXXX大学第二十二届“运河杯”大学生课外学术科技作品竞赛特等奖作品 3. XXXX大学第十二届“挑战杯”课外学术科技作品竞赛校内重点培育项目 4. 2011年浙江省第十二届“挑战杯”课外科技学生作品竞赛一等奖
作品所处阶段
- 中试阶段
技术转让方式
- 无
作品可展示的形式
- 实物、产品；现场演示；图片；录像
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 使用说明： 本项目软件集成多套算法，可对源数据进行多种重建或择优重建。用户可以选择不同的算法（基于群体优化的白质纤维随机跟踪算法、Streamline算法、随机跟踪算法等）来重建脑白质纤维，从而得到脑白质纤维走向，并通过三维重建技术使纤维走向可视化。在此基础上，用户可以通过放大缩小、拉近拉远、旋转翻转调整三维图像的视角来更精确地观察脑部。 适用范围： 各类脑部病症的诊断和治疗，如：精神分裂症，脑肿瘤，肌萎缩侧索硬化症等。 前景分析和市场预测： 本项目提出的基于扩散张量成像的脑白质纤维三维重建算法，推动了脑纤维跟踪成像技术进一步走向实际应用。而据此开发的用于分析脑白质纤维微结构的专业分析软件，由于结合了先进算法，并且简便实用、易于操作，将为医生的诊断带来便利，并被广泛应用于医学领域，带来极大的社会效益和经济效益。
同类课题研究水平概述
- 国外研究现状： 当前国外在该领域的研究比较领先，许多大学的研究机构都发表过自己的研究成果。 哈佛大学医学院和SPL(Surgical Planning Laboratory)主导的联合实验室是目前本领域内研究最前沿的机构。哈佛大学医学院的学者和SPL的研究人员在最近提出了一种基于Bayesian模型的纤维随机跟踪方法。该算法有效地减小了外界噪声对成像的干扰，加快了纤维跟踪的速度，但是纤维跟踪的精确度仍然不能令人满意。医学院和SPL开发的Slicer软件是目前本领域研究使用较多的专业软件。 日本奈良大学佐藤铁夫教授对以往的扩散张量算法进行了改进。改进后的算法在纤维跟踪时，不仅要考虑当前体素的特征信息（比如各向异性FA），还要考虑附近体素的相似特征信息，以便于跟踪出纤维在任意两点间的走向，从而有效地控制纤维的始末。 国内研究现状： 国内在扩散张量成像、纤维跟踪算法方面的研究晚于国外，在脑白质纤维三维重建算法方面的研究也才刚刚起步，而致力于该方面研究的人员也较少，所以取得的研究成果屈指可数。 中科院自动化所医学影像研究室的研究员提出了基于MTC模型的纤维跟踪算法，该算法充分利用DTI的性质、低曲率的先验知识和跟踪惯性来共同完成纤维追踪。相对于Streamline算法，基于MTC模型的纤维跟踪算法有较低的纤维曲率和较高的精确性。他们还针对医学图像呈现问题开发了MITK类库，但至今未开发出一款脑白质纤维三维重建软件。 香港理工大学数学应用研究所祁力群教授从DTI模型和HARDI模型出发，提出了高阶半正定扩散张量成像(PSDT)模型。该模型能更好地描述神经纤维走向，但计算过程复杂，容易引入不确定性误差，且效率低。 东南大学汤天宇教授提出的算法结合了Streamline算法与张量弯曲法(Tensor Deflection, TEND)的优点，对不同的扩散形状采用不同的跟踪算法，特别是针对平面扩散的情况提出了更接近纤维走向的跟踪算法，但该算法计算量比较大，还不能达到快速跟踪的效果。 迫于研究方面的不足，目前国内医学界仍使用DTI的方法，并未涉及纤维跟踪成像领域。此外，目前国内尚无一款脑白质纤维三维重建的软件，更不用说在临床医学上的应用了。
