基于高階擴(kuò)散張量成像算法的帕金森病例數(shù)據(jù)分析.pdf

1、以基于擴(kuò)散張量成像(Diffusion Tensor Imaging，DTI)方法的各項(xiàng)異性(FractionalAnisotropy, FA)和平均彌散系數(shù)(Mean Diffusion，MD)值為指標(biāo)研究黑質(zhì)區(qū)域是帕金森綜合癥(Parkinson's Disease，PD)病理研究的新方法。但由于DTI方法存在無法重構(gòu)復(fù)雜纖維的問題，該病理研究方法存在以下兩個(gè)方面的問題:第一，DTI方法存在交叉區(qū)域纖維方向估計(jì)精度不高的問題，第二，

2、帕金森綜合癥病理研究指標(biāo)單一。本文針對以上兩個(gè)問題，基于高階張量纖維方向估計(jì)和病理研究指標(biāo)進(jìn)行深入研究并提出相應(yīng)的解決辦法。本文的主要工作和成果如下:
　　1.針對DTI方法的纖維方向提取困難問題，提出高階張量反卷積非負(fù)約束方法(Non-negative Constrainted High Order Tensor Deconvolution，HOT-SD)。采用模擬數(shù)據(jù)和實(shí)際數(shù)據(jù)與CT-FOD(Cartesian Tensor

3、fiber orientation distributions)和球面反卷積(ConstrainedSpherical deconvolution，CSD)方法進(jìn)行角度分辨率、角度誤差和交叉區(qū)域?qū)Ρ葘?shí)驗(yàn)。結(jié)果表明，HOT-SD方法具有更高角度分辨率和更強(qiáng)魯棒性優(yōu)勢。
　　2.為了獲得基于HOT-SD模型的腦纖維結(jié)構(gòu)重構(gòu)效果，進(jìn)行流線型確定性跟蹤算法。模擬數(shù)據(jù)和實(shí)際臨床數(shù)據(jù)與Q-ball(Q-ball Imaging)方法的對比結(jié)果

4、表明，基于HOT-SD的確定性跟蹤算法在腦纖維重構(gòu)方面具有更強(qiáng)的穩(wěn)定性。
　　3.針對缺乏科學(xué)的病理研究方法問題，提出基于高角度分辨率擴(kuò)散磁共振成像(HighAngular Rusolution Diffusion Imaging，HARDI)的廣義各項(xiàng)異性(Generalized FractionalAnisotropy, GFA)和纖維各項(xiàng)異性峰值(General Fractional Anisotropy Peak，GFAp

5、eak)以及基于纖維束的均方位移(Mean-squared Displacement，MSD)指標(biāo)和纖維平均密度Density指標(biāo)。重構(gòu)黑質(zhì)區(qū)域的腦纖維并將各項(xiàng)指標(biāo)與DTI和Q-ball對比。假設(shè)檢驗(yàn)法的分析結(jié)果表明，帕金森綜合癥患者在黑質(zhì)區(qū)域表現(xiàn)出FA、GFA、GFApeak、MSD和Density存在顯著性差異的特征。
　　本文針對現(xiàn)有纖維方向估計(jì)和病理研究存在的問題進(jìn)行討論，并提出相應(yīng)的解決辦法。為了驗(yàn)證方法的可靠性，由華中