腦白質(zhì)纖維群智能跟蹤算法研究及可視化系統(tǒng)開發(fā).pdf

1、腦纖維重建技術(shù)為腦手術(shù)導(dǎo)航、認(rèn)知機(jī)理等研究提供重要的依據(jù)，已成為當(dāng)今信息、神經(jīng)科學(xué)共同的前沿。腦纖維重構(gòu)優(yōu)化實(shí)質(zhì)是一類以纖維能量函數(shù)為目標(biāo)，利用優(yōu)化算法在人腦體素空間搜索最優(yōu)纖維路徑的大規(guī)模復(fù)雜優(yōu)化問題。隨著目標(biāo)信號采集精度的提高，現(xiàn)有纖維估計(jì)模型和跟蹤算法已經(jīng)難以滿足纖維精確重構(gòu)的要求?，F(xiàn)有的纖維重構(gòu)問題主要表現(xiàn)在以下兩個方面:第一，傳統(tǒng)的擴(kuò)散張量模型難以刻畫復(fù)雜的纖維微結(jié)構(gòu);第二，現(xiàn)有跟蹤算法難以處理不確定信息帶來的跟蹤誤差問題。本

2、文分別針對上述問題進(jìn)行了深入研究，并提出了較好的改進(jìn)方法。本文的具體工作和成果如下:
　　1.綜述了腦白質(zhì)纖維跟蹤技術(shù)的背景及發(fā)展現(xiàn)狀。針對纖維估測模型、跟蹤技術(shù)和可視化應(yīng)用三個方面的研究進(jìn)展進(jìn)行討論，分析了現(xiàn)有模型和跟蹤算法的發(fā)展過程及存在的不足。
　　2.針對傳統(tǒng)擴(kuò)散張量模型難以刻畫復(fù)雜的纖維微結(jié)構(gòu)問題，本文從高角度分辨率成像技術(shù)出發(fā)，構(gòu)建了一種基于高斯還原的球面反卷積成像模型，直接從反卷積過程中獲得離散的纖維方向密度函

3、數(shù)，并采用高斯函數(shù)還原為連續(xù)的纖維方向分布模型。經(jīng)過合成數(shù)據(jù)和人腦實(shí)際數(shù)據(jù)的測試，本文提出的模型大大提高了纖維模型的角度分辨率，并有效處理了纖維交叉、分叉等復(fù)雜微結(jié)構(gòu)。
　　3.針對傳統(tǒng)跟蹤算法跟蹤效率低、難以處理不確定信息帶來的跟蹤誤差等問題，本文受群體協(xié)同優(yōu)化思想的啟發(fā)，提出一種迭代最優(yōu)的群智能概率纖維跟蹤算法。在不斷存儲和更新最優(yōu)纖維信息素過程中獲得最優(yōu)的高概率纖維，解決了傳統(tǒng)跟蹤算法計(jì)算量大、效率低和過度跟蹤等問題。

4、>　　4.在提出了高斯球面反卷積和群智能優(yōu)化跟蹤方法的基礎(chǔ)上，本文設(shè)計(jì)并開發(fā)了腦纖維三維重建可視化軟件。該軟件集成了包括本文算法在內(nèi)的多種成像模型與跟蹤算法，如擴(kuò)散張量模型、高階張量模型、球面反卷積模型，確定性及概率性跟蹤方法等。
　　本文針對現(xiàn)有纖維估計(jì)模型和跟蹤算法存在的問題進(jìn)行分析，并提出了相應(yīng)的改進(jìn)方法，從結(jié)果來看，本文提出的高斯球面反卷積模型及群智能概率跟蹤方法均比現(xiàn)在方法更加準(zhǔn)確和高效。從國內(nèi)外此領(lǐng)域的研究來看，探索大