基于高階擴散張量成像算法的帕金森病例數據分析.pdf

1、以基于擴散張量成像(Diffusion Tensor Imaging，DTI)方法的各項異性(FractionalAnisotropy, FA)和平均彌散系數(Mean Diffusion，MD)值為指標研究黑質區(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方法存在無法重構復雜纖維的問題，該病理研究方法存在以下兩個方面的問題:第一，DTI方法存在交叉區(qū)域纖維方向估計精度不高的問題，第二，

2、帕金森綜合癥病理研究指標單一。本文針對以上兩個問題，基于高階張量纖維方向估計和病理研究指標進行深入研究并提出相應的解決辦法。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約束方法(Non-negative Constrainted High Order Tensor Deconvolution，HOT-SD)。采用模擬數據和實際數據與CT-FOD(Cartesian Tensor

3、fiber orientation distributions)和球面反卷積(ConstrainedSpherical deconvolution，CSD)方法進行角度分辨率、角度誤差和交叉區(qū)域對比實驗。結果表明，HOT-SD方法具有更高角度分辨率和更強魯棒性優(yōu)勢。
　　2.為了獲得基于HOT-SD模型的腦纖維結構重構效果，進行流線型確定性跟蹤算法。模擬數據和實際臨床數據與Q-ball(Q-ball Imaging)方法的對比結果

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

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