انطباق تصاویر انتشار با رزولوشن زاویه ای بالا

تصویربرداری تشدید مغناطیسی تانسور انتشار (dtmri) یک روش غیرتهاجمی برای بررسی ساختار ماده سفید مغز است. در این روش، تابع انتشار مولکول های آب گوسی فرض می شود اما در نواحی از مغز که فیبرها با هم تقاطع دارند این فرضیه صادق نیست. تصویربرداری انتشار با رزولوشن زاویه ای بالا در تعداد زیادی جهت انتشار (hardi)، امکان بررسی دقیق ریزساختارهای ماده سفید مغز را فراهم می کند. این روش می تواند تقاطع فیبرها را در هر واکسل نشان دهد. برای کاربردهایی  مثل آنالیز گروهی یا ساخت اطلس، انطباق تصویر یکی از گام های اساسی است. تصاویر hardi دارای اطلاعات جهتی مفیدی از ساختار فیبرهاست بنابراین انطباق آن ها پیچیده تر از تصاویر اسکالر است. در این مقاله یک الگوریتم انطباق براساس بردارهای ویژگی استخراج شده از روی تابع توزیع جهت فیبرها (odf) ارائه می شود. معیار شباهت hammer برای تطبیق بردارهای ویژگی به کار می رود و روش thin-plate spline برای انطباق مکانی اسکلت و همسایه ها استفاده می شود. سپس تصحیح جهت روی odfها اعمال می گردد. سرانجام، روش پیشنهادی براساس اختلاف در جهت انتشار غالب، مورد ارزیابی قرار می گیرد. نتایج نشان می‌دهد که استفاده از اسکلت به عنوان نقاط نشانه در انطباق، به همراستایی دقیق داده های hardi کمک می کند و خطای انطباق در مقایسه با روش های قبلی،  تا حدودی کاهش می یابد.

High Angular Resolution Diffusion Image Registration

Diffusion Tensor Imaging (DTI) is a common method for the investigation of brain white matter. In this method, it is assumed that diffusion of water molecules is Gaussian and so, it fails in fiber crossings where this assumption does not hold. High Angular Resolution Diffusion Imaging (HARDI) allows more accurate investigation of microstructures of the brain white matter it can present fiber crossing in each voxel. HARDI contains complex orientation information of the fibers. Therefore, registration of these images is more complicated than the scalar images. In this paper, we propose a HARDI registration algorithm based on the feature vectors that are extracted from the Orientation Distribution Functions (ODFs) in each voxel. Hammer similarity measure is used to match the feature vectors and thinplate spline (TPS) based registration is used for spatial registration of the skeleton and its neighbors. A reorientation strategy is utilized to reorient the ODFs after spatial registration. Finally, we evaluate our method based on the differences in principal diffusion direction and we will show that utilizing the skeleton as landmark in the registration results in accurate alignment of HARDI data.