功能磁共振圖像配準算法研究.pdf

1、現(xiàn)代影像技術的發(fā)展為人類研究腦功能提供了新的途徑。在這其中，功能磁共振成像(Functional Magnetic Resonance Imaging，fMRI)通過測量腦內(nèi)血氧含量的變化來反應腦的活動。通過利用數(shù)學、統(tǒng)計學以及計算機科學對功能磁共振圖像進行分析，人們可以無創(chuàng)地研究腦功能，從而更好地理解人腦的機制。在這類研究中，往往需要對一組功能圖像做組分析研究，以發(fā)現(xiàn)人腦中共同的功能結(jié)構(gòu)（如腦功能網(wǎng)絡），或者比較不同人群之間腦功能的差

2、異（如精神疾病患者與正常人之間的腦功能差異）。對于功能磁共振圖像的組分析，不同個體圖像之間的配準是一個最基本的要求。并且，準確的圖像配準往往能夠使人們獲得更加顯著的統(tǒng)計分析結(jié)果。
　　以往，人們通常是利用大腦的結(jié)構(gòu)信息來進行功能圖像的配準的。這是由于結(jié)構(gòu)圖像具有更高的空間分辨率并且包含有更多的細節(jié)信息。另外，針對結(jié)構(gòu)圖像配準的研究較多，有許多優(yōu)秀的算法可以在結(jié)構(gòu)圖像上達到很高的配準精度。然而，由于腦功能單元的位置并不嚴格一致地對應

3、著腦解剖結(jié)構(gòu)的位置，因此傳統(tǒng)的基于結(jié)構(gòu)圖像的配準方法并不能達到不同fMRI圖像間的功能對應性。近幾年，開始有研究者致力于開發(fā)新的直接基于功能信息的fMRI配準算法。其中，基于功能信號的方法通過最大化不同個體功能信號間的Pearson相關系數(shù)來配準fMRI數(shù)據(jù)。該方法基于一個前提假設，即不同fRMI圖像的功能信號具有同步性。然而，這種假設僅在受同步任務刺激的任務態(tài)fMRI數(shù)據(jù)中成立，因此該算法無法適用于更廣泛的情況。基于全局功能連接矩陣的

4、方法通過最小化不同fMRI圖像的全局功能連接矩陣之間的差異來達到不同個體之間的配準，然而全局功能連接矩陣對于空間上局部的擾動非常敏感，進而導致該算法并不具備良好的魯棒性?；诠δ軒缀慰臻g嵌入的方法同樣利用了全局功能連接矩陣，通過譜嵌入技術從全局功能連接矩陣中提取特征，在特征空間中配準特征點集進而完成fMRI圖像間的配準。盡管通過譜嵌入提取的特征不再對原始圖像空間中的局部擾動敏感，然而這樣提取的特征將決定于特征空間中幾個坐標軸的順序與方向

5、，故從不同圖像中提取的特征并不具有可比性。到目前為止，還沒有一種基于功能信息的fMRI圖像配準算法能夠真正得到廣泛的應用。
　　基于對圖像配準的系統(tǒng)學習和深入了解，以及對目前fMRI圖像配準方法局限性的分析和認識，本文致力于提出真正行之有效的基于功能信號的fMRI圖像配準算法，并已經(jīng)取得了一些成果，主要包括:
　　1.提出了一種基于局部功能連接模式的fMRI圖像配準方法。該算法直接基于功能信息，因此相較于傳統(tǒng)的基于結(jié)構(gòu)信息的

6、fMRI圖像空間標準化，它能夠達到更好的個體圖像間的功能對應性。在該算法中，我們針對將功能信號或全局功能連接矩陣作為特征的不足，使用基于局部功能連接模式的特征以得到魯棒的配準算法。為了進一步消除局部功能連接模式中所含有的空間相對位置信息的不利影響，我們將局部功能連接模式表示為功能連接的概率分布的特征形式，并以此驅(qū)動不同fMRI圖像之間的配準。另外，通過使用Demons配準框架，我們可以高效地求解fMRI圖像配準問題。
　　2.基于

7、對上述算法的完善和改進，我們提出了一種基于多尺度功能連接模式的組間fMRI圖像配準方法。在本算法中，圖像的配準仍然是由局部功能連接模式所驅(qū)動，與之前僅利用單尺度功能連接模式不同，我們使用了多尺度的功能連接模式。在圖像配準的初始階段，我們給定較小的空間鄰域以計算局部功能連接模式的，隨著圖像配準的進程，該鄰域?qū)⒅饾u增大以利用更大尺度的局部功能連接模式。該方法在保持魯棒性的同時，盡可能地使用更多的有效信息，從而可以達到更加準確的圖像間的功能對

8、應性。另外，我們利用Congealing思想引入了組間圖像配準機制，使得一組fMRI圖像可以無偏地同時配準到組中心的位置，而不需要事先定義任何目標圖像模板。
　　3.提出了一種基于圖匹配的fMRI圖像配準方法。本算法通過圖的結(jié)構(gòu)來描述局部空間鄰域內(nèi)的功能連接模式，并利用圖匹配來檢測待配準圖像與目標圖像之間的對應體素點，從而成功地在利用局部功能連接模式時引入空間位置信息，使其能夠幫助我們更加準確地尋找對應的體素點，又不會影響算法的穩(wěn)