项目名称: 采用超分辨重建和多弥散强度包络模型的HARDI复杂神经纤维精细结构研究

项目编号: No.81201158

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 影像医学与生物医学工程

项目作者: 吴锡

作者单位: 成都信息工程学院

项目金额: 23万元

中文摘要: 高角度分辨率弥散磁共振成像(HARDI)较之现有常用弥散张量磁共振成像(DTI)可无创描述活体体素内多个方向和多个弥散强度的弥散信息,精确有效地对复杂神经纤维的精细结构进行研究。 本项目针对复杂神经结构内水分子弥散呈多方向和多强度变化的特点,克服现有弥散MRI扫描在空间分辨率、角度分辨率、弥散强度采样数量上的不足,1) 首先引入超分辨技术在高维空间基于纤维方向分布(FOD)对HARDI进行约束重建,提高其复杂神经纤维细节信息描述能力;2) 然后使用球谐小波并结合双对数弥散信号分析,设计开发综合高角度分辨率和多弥散强度包络的最优球谐函数HARDI模型; 3) 最后综合上述两者对复杂神经纤维的精细结构进行研究。 4)在上述理论创新研究中,本项目将使用Bootstrap在物理模拟和计算机模拟HARDI数据中进行复杂神经结构验证性分析,并以此为基础在真实HARDI数据集中进行验证和探索性研究。

中文关键词: 高角度分辨率弥散磁共振成像;超分辨重建;黎曼流体;纤维重建;

英文摘要: In contrast to conventional diffusion tensor imaging (DTI), high angular resolution diffusion imaging (HARDi) is capable of characterizing water diffusion along many directions at different field strengths, and thus can effectively depict exquisite details of fine structures of complex neuronal fiber pathways. According to the multiple-orientation and multiple-intensity characters of water diffusion in the complex neuronal fibers, this project plans to overcome the insufficient sampling of the spatial resolution, orientation resolution and diffusion intensity in the following four steps. 1) Using super-resolution algorithm to reconstruct HARDI under the constrain of the fiber orientation distribution (FOD)and improve description of the detailed information of complex fiber bundles; 2) Using sperical harmonic wavelet and dual-logarithm to design multiple-shell HARDI model,which can integrate and optimize both the high angular resolution and multiple-shell of the diffusion; 3) Analysi complex neuronal fiber bundle using the proposed two methods syntheticly; 4) Besides the proposed theoritical analysis, this project will using Bootstrap for validation in both HARDI dataset of physical phantom and synthetic computing phantom, validation and explorative research in the in vivo HARDI datasets will also be implemented

英文关键词: HARDI;super resolution;Riemannian manifold;fiber tractography;

成为VIP会员查看完整内容
0

相关内容

基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
16+阅读 · 2021年10月23日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
80+阅读 · 2020年12月18日
专知会员服务
45+阅读 · 2020年11月13日
浅谈分辨率对模型影响以及训练方法
极市平台
0+阅读 · 2022年1月19日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Tikhonov Regularization of Circle-Valued Signals
Arxiv
1+阅读 · 2022年4月20日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
15+阅读 · 2018年2月4日
小贴士
相关主题
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员