姚旭峰 宋志坚

磁共振弥散张量成像(diffusion tensor imaging，DTI)由于能够无创地显示神经纤维形态，目前已被广泛应用于临床。它在脑部、心肌纤维、脊髓、肾脏、肌肉和周围神经等部位的疾病诊疗中发挥了重要作用，尤以脑部神经病变的应用最为广泛［1～5］。DTI有助于多种神经疾病的诊断，如多发性硬化、阿尔茨海默病与帕金森病、精神分裂及脑肿瘤等，尤在脑神经发育、神经退化及判别脑部结构和功能区的联系(背侧丘脑纹状体和不同纤维束)等方面有独特价值。DTI纤维束追踪(fiber tracking，FT)则可以显示三维神经纤维束走形，为临床手术提供指导，避免手术过程中损伤重要的神经束支，从而确保病人预后［6］。DTI－FT得到了广大研究者的关注，提出了不同的追踪算法。为此，本文对DTI－FT算法进行了分类介绍，最后对DTI－FT进行了总结和展望。

一、DTI－FT算法

DTI－FT算法主要分为3类:确定性算法、概率算法及其他算法。

1.确定性算法(deterministic fiber tracking):确定性算法为经典的纤维束追踪方式，由于能够给临床提供确定、可靠、直观的信息，目前广泛用于神经导航、术前计划、术后评价等领域。确定性算法通常依据体素所含的张量信息来表示纤维束的走形方向，后根据设定的追踪策略来连接相邻体素。表示体素的张量模型从起初的单张量模型发展到多张量模型。单张量模型(single－tensormodel)确定性算法认为每个体素仅有一条纤维束走形，可通过张量分解后的主特征向量来表示［7～12］;多张量模型(multi－tensormodel)确定性算法则认为每个体素含有多个张量，从而可分解为多个特征向量来表示体素内的多条纤维束方向［13，14］。……