扩散张量成像(diffusion tensor imaging,DTI)能为鼠脑研究提供重要的神经纤维宏观结构信息；但其分辨率低(大于数十微米),且神经纤维结构为间接推算结果。有关DTI神经纤维追踪与其对应真实纤维结构基础的关系是国际公认难题。近年来,研究者团队发展的显微光学切片断层成像技术(micro-optical sectioning tomography,MOST)能以体素1微米精度获取全脑真实精细神经纤维结构。为了验证DTI神经纤维追踪的有效性和准确性,必要工作就是将DTI图像和MOST图像进行配准融合。本研究采用先进归一化工具(advancednormalization tools),已尝试将本团队的MOST数据与杜克大学的DTI模板数据进行配准。为了优化计算效率,DTI和MOST两类图像被低采样以获得三维微分同胚位移场。再将位移场高采样到与MOST高分辨率相适应的水平以完成对MOST图像的配准。以上方法为鼠脑不同模式、不同分辨率的数据提供了一套灵活的三维非线性配准策略。基于这种配准融合,我们可以将具有精细神经纤维结构的MOST数据作为前景与反映神经纤维密度的DTI数据作为背景进行可视化。通过对比分析,我们发现DTI数据在皮层区域较少能获得有效神经纤维展示,提示DTI神经纤维追踪的固有缺陷。因此,DTI和MOST鼠脑数据的融合分析将有利于神经环路分析和DTI的拓展应用。