摘要

白质纤维跟踪能够重建大脑纤维走向,但由于分辨率的限制使得成像体素呈现出锯齿形边界,导致重建纤维束在白质区域边界提前终止。此外,信号噪声引起的体素内方向信息缺失也同样会导致纤维跟踪过早终止。针对以上问题,本研究提出一种纤维停止点续跟踪算法使纤维跟踪结果更加准确。首先,建立纤维局部结构的流场分布模型,以流场分布表示体素内任意点的纤维方向信息;然后,基于体素流场分布模型计算纤维跟踪停止点的连续性进行纤维续跟踪,得到更为准确的纤维结果。分别采用两组实验数据集(包含25个主要纤维束的ISMRM 2015挑战数据集和一组来自斯坦福大学数据库的临床数据集)对提出的方法进行验证。首先,在模拟数据集上通过Tractometer量化指标对所提出算法进行定量分析,结果表明,该算法的有效连接束数量(VB),有效连接率(VC)和无效连接率(NC)分别为24、51.3%和12.9%,与同为确定型追踪算法的SD_Stream相比,VB提高2束,VC提高19.1%,NC降低22.8%。其次,通过临床数据集对所提出算法进行定性分析,进一步验证所提出算法的有效性。实验结果表明,基于流场分布的纤维续跟踪算法有效避免了纤维跟踪过早终止这一问题,提高了纤维跟踪的有效纤维比例,降低了无连接纤维比例,提升了纤维跟踪结果的准确性。