Fibertracking

简介

Fibertracking 的基本原理

Fibertracking 基于弥散张量成像 (DTI),这是一种使用扩散加权影像(通过在多个方向上施加梯度磁场时扫描获得)来测量大脑的扩散各向异性的方法。Fibertracking 软件使用该扫描结果,针对整个数据探测范围计算水分子沿着潜在白质纤维的扩散方向。



当反映各向异性量的 FA 值超过某个阈值时,该算法将尝试通过逐步追踪主要扩散方向来确定白质纤维束。

通过 Fibertracking,您可根据扩散加权的 MR 影像来追踪所限定感兴趣区中的纤维结构。通过追踪局部扩散方向可获得多个点,将这些点连接起来即可将纤维重建为线型。在此区域内,该算法可追踪通过该感兴趣区并满足所选追踪参数的所有纤维。

系统提供一组默认和自定义的追踪模板,而且还可以在定义的参数内以交互方式追踪纤维。

入门指南

执行 Fibertracking 时需要使用特殊的 MR 数据。此数据由通过快速 EPI 序列获取的扩散加权影像组成。至少要进行 7 次扫描,其中包括:

  • 一次不具有扩散加权 (B0) 或具有均匀磁场的基线扫描。
  • 从不同方向施加梯度磁场(具有扩散加权)的至少六次扫描。

根据这些扫描即可计算扩散张量,提供每个影像体素中的局部扩散信息,即 DTI 数据。

将 DTI 检查加载至当前的治疗计划以开始使用 Fibertracking

DTI 数据

Fibertracking 使用在后台运行的服务自动检测和预处理有效的 DTI 数据。该软件将数据转换为包含以下两种元素的 DTI 检查:

  • 预先配准的影像集:B0、ADC 和 FA 图。
  • Fibertracking 所需的扩散张量。

DTI 检查可从 Patient Selection 中选择(请参阅 Content ManagerPatient Selection 软件用户指南)。

DTI 颜色编码

Fibertracking 的基本原理是使用在多个方向上获取的扩散加权影像来测量大脑的扩散各向异性。DTI 数据提供的局部扩散方向可通过 3D 颜色编码图可视化。这些颜色图可提供水沿切层中潜在纤维的扩散方向的相关信息。

多色纤维根据以下神经学惯例着色:

纤维颜色

扩散方向

红色

左-右

绿色

前-后

蓝色

头-足

DTI 预处理

来自 DTI 影像的扩散张量场的计算以及 ADC 和 FA 图的计算基于已经过同行评审和发布的方法和算法:

  1. Le Bihan D, Mangin JF, Poupon C, Clark CA, Pappata S, Molko N, Chabriat H. Diffusion tensor imaging: concepts and applications.J Magn Reson Imaging 2001;13(4):534-546.

  2. Masutani Y, Aoki S, Abe O, Hayashi N, Otomo K. MR diffusion tensor imaging: recent advance and new techniques for diffusion tensor visualization.Eur J Radiol 2003;46(1):53-66.

  3. Peled S, Friman O, Jolesz F, Westin C. Geometrically constrained two-tensor model for crossing tracts in DWI: J Magn Reson Imaging 2006;24(9):1263-1270.

Fibertracking 算法

Fibertracking 基于 FACT(连续追踪纤维分配)算法,该算法最初由 Mori 等人在 2002 年发表 (Mori S, van Zijl PC.Fiber tracking: principles and strategies – A technical review.NMR Biomed 2002;15(7-8):468-480)。

为了在低分辨率的常规 DTI 扫描中获得平滑的结果,张量是在考虑上一步的扩散方向的基础上从周围体素内插得来的。这种尝试通过穿过方向模糊区域的方法被称为 TEND(张量偏转),由 Weinstein 等人于 1999 年首次提出(Weinstein D, Kindlmann G, Lundberg E.: Tensorlines. Advection-diffusion based propagation through diffusion tensor fields. Center for Scientific Computing and Imaging, Department of Computer Science, University of Utah. Proceedings of the conference on visualization ’99)。

警告
警告
文件编号:60919-74ZH

Datum vydání: 2020-02-26