本發(fā)明屬于影像處理，更進一步涉及醫(yī)學影像處理中的一種基于聚類和重疊率去噪的腦-脊髓同步彌散張量成像dti(diffusion?tensor?imaging)提取系統及方法。本發(fā)明可用于對腦-脊髓同步dti影像進行包括去噪和gibbs振鈴移除等預處理操作，還可用于進行個體化感興趣纖維束的提取、聚類等個體化纖維束的分析。

背景技術：

1、腦-脊同步的彌散張量成像(dti，diffusion?tensor?imaging)是一種由磁共振成像技術獲得的人體組織影像，主要通過捕獲人體中樞神經系統中水分子的布朗運動來實現成像。在中樞神經系統中，水分子進行布朗運動時會受到不同的力，從而發(fā)生不同的形變，且這種形變在白質、灰質和腦-脊液中表現差異明顯。因此，dti影像能夠有效地提取中樞神經系統中的白質信息。結合腦-脊同步的dti影像的纖維束追蹤方法，能夠有效構建腦和脊髓聯合的纖維束，從而有效地表征中樞系統的白質纖維束之間的定位與形態(tài)學特征。鑒于此，在分析腦和脊髓聯合的纖維束時，需要一種提取個體化感興趣纖維束，以便在個體中提取腦-脊髓聯合roi(region?of?interest)纖維束進行后續(xù)分析。

2、西安市兒童醫(yī)院和西安電子科技大學在其共同申請的專利文獻“基于聚類去噪的感興趣腦區(qū)纖維束提取系統及方法”(申請?zhí)枺篶n?202210258177.6，申請公布號：cn114627283a)中公開了一種基于聚類去噪的感興趣纖維束提取系統及方法。該專利文獻公開的系統包含了纖維束提取模塊在標準模板上追蹤全腦纖維束后，通過計算每條纖維束到roi的距離，提取經過roi的感興趣纖維束集合；聚類去噪模塊利用纖維束聚類方法對感興趣纖維束集合聚類后，再去除聚類后感興趣纖維束集合中的噪聲纖維束；纖維束反變換模塊對去噪后的感興趣纖維束集合反變換到個體影像，得到每名個體的感興趣纖維束集合。該系統存在兩點的不足之處：其一，難以獲取針對腦-脊聯合的標準模版的全腦追蹤纖維束。后續(xù)所采用的纖維束提取模塊，因缺乏被廣泛認可的腦-脊聯合的dti標準模版，難以構建出有效的基于標準模版的纖維束模版，從而使得該系統在腦-脊聯合dti影像的纖維束分析方面面臨困難。其二，所提取的纖維束變換至個體空間存在較大難度。后續(xù)采用的纖維束反變換模塊旨在對標準空間纖維束變換至個體空間，但目前尚缺乏有效、便捷和可靠的針對腦-脊同步dti數據的配準工具。利用現有配準工具和流程實現個體纖維流線的分析困難，進而使得該系統難以獲得連續(xù)和準確的個體感興趣纖維。

3、南京慧腦云計算有限公司在其擁有的專利技術“一種基于磁共振成像的腦白質纖維束示蹤分析方法及系統”(申請?zhí)枺篶n?202010029910.8，授權公告號：cn?110827282b)中公開了一種使用roi為種子點做纖維束示蹤來提取纖維束的方法。該方法的實現步驟是，通過白質纖維束重建模塊，對每名個體的roi為種子點，使用多條流線從種子點出發(fā)，在纖維束分布概率方向上向全腦中所有體素延伸，最終對所有從roi出發(fā)的連接概率大于閾值的纖維束視為提取的經過roi的纖維束。該方法存在的不足之處是：所提取的纖維束種類繁多且較為復雜，在后續(xù)采用重疊所有個體纖維束的方式去除噪聲纖維時，由于噪聲纖維的數量過多，難以構建出有效的重疊區(qū)域，從而使得該方法難以實現良好的去噪效果。

技術實現思路

1、本發(fā)明的目的是針對上述現有技術存在的不足之處，提出一種基于聚類和重疊率去噪的dti纖維束提取系統及方法，旨在解決腦與脊髓纖維束所呈現的結果真實性欠佳、穩(wěn)定性薄弱和個體差異顯著的問題。

2、實現本發(fā)明目的的思路是：在個體空間下，提取每條感興趣纖維束的起點、中點以及終點的坐標，組成起點、中點和終點坐標集合，分別應用基于密度的空間聚類應用噪聲算法，生成各自的聚類標簽，并拼為一個三維數組；計算每兩個坐標之間的距離，當坐標之間的距離為0時，表示兩條纖維束屬于同一類別，循環(huán)迭代此過程，直至所有纖維束均有唯一的分類標簽，最終得到去噪和分類后的感興趣纖維束集合；對個體纖維束按其空間分布和數量生成映射像，借助t1結構像的配準參數配準至標準空間模版空間；對個體配準至標準空間的所有纖維束取平均得到纖維束映射像，以該映射像50％重疊概率生成新纖維束掩膜影像；利用個體空間t1結構像的配準參數，對新纖維束掩膜影像反變換回個體空間，與分類后的纖維束集合取交集，得到重疊率去噪后的個體感興趣纖維束集合。

3、本發(fā)明的系統包括個體腦-脊同步dti影像數據預處理模塊、個體空間t1結構像預處理模塊、個體空間腦-脊聯合纖維束追蹤模塊、個體空間腦-脊聯合感興趣纖維束的聚類模塊、腦-脊聯合感興趣纖維束的重疊率去躁模塊；其中：

4、所述的個體腦-脊同步dti影像數據預處理模塊，用于對腦-脊dti影像進行了包括降噪、gibbs振鈴校正與渦流校正的預處理；

5、所述的個體空間t1結構像預處理模塊，用于對個體t1結構像進行n4偏差場的歸一化處理，依據解剖學位點分割并對脊髓t1像與標準模版間聯合配準；

6、所述的個體空間腦-脊聯合纖維束追蹤模塊，用于對個體追蹤腦脊聯合的感興趣纖維束；

7、所述的個體空間腦-脊聯合感興趣纖維束聚類模塊，用于對個體空間下的感興趣纖維束進行聚類；

8、所述的腦-脊聯合感興趣纖維束的重疊率去躁模塊，用于對個體空間纖維束的映射像變換至標準空間，取所有個體像的均值獲得重疊圖后再去躁。

9、本發(fā)明提取方法的步驟包括如下：

10、步驟1，個體空間t1結構像預處理模塊對腦-脊dti影像進行了包括降噪、gibbs振鈴校正與渦流校正和歸一化的預處理；

11、步驟2，個體空間腦-脊聯合纖維束追蹤模塊對個體t1結構像進行n4偏差場的歸一化處理，依據解剖學位點分割并對脊髓t1像與標準模版間聯合配準；

12、步驟3，個體空間腦-脊聯合纖維束追蹤模塊追對個體追蹤腦脊聯合的感興趣纖維束；

13、步驟4，個體空間腦-脊聯合感興趣纖維束聚類模塊；對個體空間下的感興趣纖維束進行聚類；

14、步驟5，腦-脊聯合感興趣纖維束的重疊率去躁模塊對個體空間纖維束的映射像變換至標準空間，取所有個體像的均值獲得重疊圖后再去躁。

15、本發(fā)明與現有技術相比具有以下優(yōu)點：

16、第一，由于本發(fā)明的系統采用個體空間腦-脊聯合感興趣纖維束的聚類模塊、腦-脊聯合感興趣纖維束的重疊率去躁模塊，克服了現有技術腦-脊聯合dti影像質量差、模板認可度低及纖維束特異性提取不佳的問題，使得本發(fā)明的系統提高了纖維束提取的準確性和真實性。

17、第二，由于本發(fā)明的方法對感興趣纖維束進行了聚類去噪和組重疊率再去噪的雙重去噪，有效降低了個體追蹤過程中假陽性率高的問題，提高了纖維束的真實性與準確性，同時也克服了現有技術的方法單一去噪手段的不足，使得本發(fā)明的方法實現了穩(wěn)定且高效的纖維束優(yōu)化效果。

18、第三，由于本發(fā)明的方法借助腦-脊聯合掃描的t1結構像，針對腦與脊髓影像采用不同的工具提供一套標準化流程，解決了現有腦配準工具無法在腦-脊聯合dti影像標準化方面的難題，使本發(fā)明在標準化方面更加可行且可靠。