基于高阶张量成像的脑纤维三维重构算法

基于高阶张量成像的脑纤维三维重构算法

ID:33570635

大小:4.99 MB

页数:57页

时间:2019-02-27

基于高阶张量成像的脑纤维三维重构算法_第1页
基于高阶张量成像的脑纤维三维重构算法_第2页
基于高阶张量成像的脑纤维三维重构算法_第3页
基于高阶张量成像的脑纤维三维重构算法_第4页
基于高阶张量成像的脑纤维三维重构算法_第5页
资源描述:

《基于高阶张量成像的脑纤维三维重构算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、浙江工业大学硕士学位论文基于高阶张量成像的脑纤维三维重构算法作者姓名:李蓉指导教师:冯远静教授浙江工业大学信息工程学院2014年4月DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterANovelAlgorithmforWhiteMatterFiberReconstructionBasedonHigherOrderTensorCandidate:LiRongAdvisor:Prof.FengYuanjingCollegeofInformationEngineeringZ

2、hejiangUniversityofTechnologyApr2014浙江工业大学学位论文原创性声明本人郑重声明:所提交的学位论文是本人在导师的指导下,独立进行研究工作所取得的研究成果。除文中己经加以标注引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果,也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体,均己在文中以明确方式标明。本人承担本声明的法律责任。作者签名:彦筅日期:如肜年夕月哆日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门

3、或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口,在一年解密后适用本授权书。2、不保密早/(请在以上相应方框内打“√”)作者签名:导师签名:日胁肜年夕月夥日日期沙51年,月彬日浙江工业大学硕士学位论文基于高阶张量成像的脑纤维三维重构算法摘要脑纤维重建技术为脑手术导航、认知机理等研究提供重要的依据,己成为当今信息、神经科学共同关注的前沿。脑纤维重构的基本思想是先建立体素模型估计纤维方向分布函数,再利用纤维

4、跟踪算法得到具有解剖学意义的纤维空间微结构。随着目标信号采集精度的提高,现有纤维估计模型和跟踪算法已经难以满足纤维精确重构的要求。在模型估计方面,现有高阶张量成像模型虽然解决了二阶张量模型(DTI)难以刻画复杂纤维结构问题,但是存在纤维特征方向提取复杂、计算量大以及角分辨率较低等问题。本文主要针对以上问题,提出了改进方法。基于任意阶次的正定高阶张量理论,本文提出了一种能够快速获得任意阶张量纤维特征方向的迭代搜索算法。该方法根据张量模型的特征,首先利用网格细分快速确定特征方向的大致区域,进一步针对该区域进行细分,从而迭代获得精确的高阶张量模型特征方向。该方法解决了

5、现有符号计算方法易于陷入局部极值点或者搜索不收敛带来的误差和计算效率问题。测试结果表明,相比于现有的符号计算方法,我们的算法可以在6阶以及更高阶模型下可以获得稳定的纤维特征方向。针对现有高阶张量模型描述方面和半正定特性方面存在计算量和离散误差大等问题,本文通过平方和多项式理论建立任意阶张量模型以保证非负特性,并建立连续高阶张量纤维方向分布函数与脉冲基函数的卷积模型,通过迭代反卷积算法稳定获得高精度纤维方向分布函数。模拟数据和实际数据实验测试结果表明,本文所研究的基于高阶张量的球面反卷积模型,提高了原有高阶张量模型的分辨率,使其能更加准确地反映复杂纤维的自身特征,

6、这为进一步研究更加可靠的纤维束跟踪算法创造了良好的条件。后续工作者可以将本算法应用于各种纤维束跟踪算法中,得到更好的脑白质纤维跟踪结果,进而更好地应用于临床研究。关键词:扩散张量成像,高阶张量模型,球面反卷积浙江工业大学硕士学位论文ANOVELALGOR【THMFORWHITEM[ArllTERFIBERRECoNSTRCTIONBASEDONHIGHER0RDERTENSORABSTRACTAccuratefibertracingpromisestohaveahi曲impactinfundamentalneuroscienceanditsclinicalapp

7、lications.Globalfiberreconstructionaimsatfindingthebestfiberconfigurationthatdescribesthemeasureddatabasedoncomplexminimalpathmethodonwholevolumeofbrainvoxels.Withtheincreasingoftheresolutionofacquisitiondiffusiondata,traditionaltensormodelsandalgorithmscannotmeetthedemandofreconstru

8、ctingfiberac

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。