7、脑白质纤维束成像与功能脑区预测技术解析

脑白质纤维束成像与功能脑区预测技术解析

1. 脑白质纤维束成像算法

在脑白质纤维束成像中，有一个重要的迭代算法。通常情况下，$Y (0) \neq L(0)$ ，每次迭代的结果都会得到一个改进的轴，该轴考虑了纤维束的平滑度和张量的连贯性，但可能比最优长度短。下面是具体的步骤：
1. 步骤五：扩展轴 ：通过从 $Y (0)(α)$ 的两个端点重新播种和流线跟踪来扩展 $Y (0)(α)$ 以形成 $L(1)(α)$。设 $[s_{ext}^-, s_{ext}^+]$ 为参数范围，表示从步骤 4 复制的新 $L(1)$ 的部分。根据以下公式求解 $L(1)(s)$：
- 当 $s \in [s_{ext}^-, s_{ext}^+]$ 时，$L(1)(s) = Y (0)(α_1)$；
- 否则，$\frac{dL(1)(s)}{ds}= F(L(1)(s))$，其中新纤维束轴的重新参数化为 $\alpha_1(s) = \pi \left{\frac{s - s_{ext}^-}{s_{ext}^+ - s_{ext}^-}\right}$。
2. 迭代终止条件 ：重复步骤 1 到 5，直到无法找到进一步的扩展，即对于某个 $t > 0$，当 $|L(t + 1)| = |Y (t)|$ 时停止迭代。该算法总是收敛的，因为它只允许增加纤维束的长度，并且 ${x \in R^3|F_{fa}(x) \geq \tau_{fa}}$ 是有限的。

2. 合成 DTI 数据比较

为了验证上述方法，使用了一组具有真实值的 DTI 合成幻影图像 PISTE。将该方法与