论文部分内容阅读
为了解决基于扩散张量成像(DTI)的跟踪过程难以刻画脑白质内复杂纤维结构的问题,提出一种基于离散球面反卷积的确定性跟踪算法.该算法采用离散纤维方向密度函数建立球面反卷积模型,解除对连续球面函数模型的依赖,获得高角度分辨率识别;借助球面高斯函数拟合以补偿离散误差,并在此基础上实现流线型白质纤维跟踪.合成数据、仿真数据和实际临床数据表明:该模型能显著提高体素内小角度交叉纤维的分辨率,并有效抑制噪声.相比于基于其他模型的重构算法,该算法能够更准确地反映活体脑神经组织的真实连接情况.