论文部分内容阅读
近年来随着磁共振技术及脑神经科学的发展,功能磁共振(fuctional Magnetic Resonance Imaging,fMRI)这种无创性的检查方法更多的应用在脑功能方面的研究当中。功能磁共振是通过一定的刺激使大脑皮层各功能区在磁共振设备上成像的方法,它结合了功能、影像和解剖三方面的因素,是一种在活体人脑定位各功能区的有效方法。
大多数的fMRI实验是基于血氧水平依赖(blood oxygenation level dependent,BOLD)的对比原理。基于这一原理,为了研究神经元的功能,当被试休息或进行特定的作业或者呈现给被试特定的刺激时,可以连续的获得其全脑的T2*(或T2)加权像,随后用统计学方法对这些图像进行分析,确定与任务或刺激相关的脑区。
功能磁共振图像分析的关键是能够可靠的检测和定位功能区。在图像采集过程中,由于设备固有的噪声和被试的微小运动及一些不可避免的生理噪声的存在,使得fMRI的信噪比往往比较低。因此,对原始图像的去噪和对功能区的检测是磁共振图像分析中很重要的过程。
在传统的fMRI数据处理中一般都是使用空间高斯滤波器对数据进行平滑,但是由于磁共振图像中噪声的相关性分布,使得用Gaussian平滑在去除噪声的同时信号也有所降低,信噪比不能得到很大的提高。这样在进行功能区的检测时,其准确程度会受到影响,错误率较高。
小波分析方法已经广泛应用于医学图像领域,小波变换的一些独特的性质使之非常适合于fMRI数据的处理。在本文中,提出了基于小波变换的方法对功能磁共振图像进行处理。首先在小波域对功能磁共振图像进行降噪处理,通过二维离散小波变换,利用小波软阈值法对图像进行降噪处理;将经阈值处理过后保留下来的小波系数构建t-统计量,在小波域使用标准的错误发现率算法(false discovery rate,FDR),将降噪处理后的小波系数进行假设检验;经小波逆变换后得到被激活的脑功能区。多套数据的统计结果表明,与传统的Gaussian变换相比,该方法在保持检出敏感件的同时减少检测结果巾假阳性点的数量,具有较高的检出特异性和定位可靠性。
本文的主要工作与贡献总结如下:
(1)结合了小波域的降噪算法和错误发现率算法,提出了新的基于小波的功能磁共振图像的处理方法,利用该方法对功能磁共振图像进行分析。
(2)分别使用4种不同的小波基利用该算法对由声音刺激得到的功能磁共振图像进行分析。
(3)将4种不同小波处理的结果与传统的Gaussian变换方法的检测结果中的信噪比、阳性率及假阳性率进行了定量地比较。结果发现小波变换的结果中信噪比和假阳性率要明显优于Gaussian变换的结果。
(4)使用SPM(Statistics Parameter Mapping)和WSPM(wavelet-SPM)软件包对同样的数据进行统计映射,比较统计结果。结果发现WSPM结果中假阳性率要明显低于SPM结果。