科研之友
微信
新浪微博
Facebook
分享链接
摘要
在获取被试的张量数据后通常对其进行多通道线性平均以得到张量模板．但线性平均不仅会忽略张量中的向量信息，还会使灰质和白质的交界处过于平滑，降低模板的分辨率．为了解决以上问题，本文引入了四元数及高斯加权平均来构建高斯扩散张量成像（Diffusion Tensor Imaging,DTI）脑模板．本文首先对55个健康被试的DTI数据进行预处理，使得数据伪影最小化；再通过扩散张量成像工具包（Diffusion Tensor Imaging ToolKit,DTI-TK）将预处理后的数据进行初步空间标准化；然后将张量通过特征分解得到特征向量和特征值；最后，将由特征向量转化的四元数标量和特征值分别进行高斯加权平均得到平均后的特征向量和特征值，并对其进行重建得到张量模板．实验结果表明相比于线性DTI模板，高斯DTI模板在DTED、COH、DVED、OVL、corr FA评估指标上表现更优，而IA指标较差，说明本文提出的高斯DTI模板在整体信息保留方面有所优化，但方向信息有所丢失．
- 单位
