基于人工智能弥散张量成像应用进展
2020-11-18胜照友蒋国璋
胜照友,蒋国璋,刘 融
(1.武汉科技大学机械自动化学院,湖北 武汉 430081;2.武汉科技大学附属普仁医院医学创新与转化研究所,3.骨科,湖北 武汉 430081)
弥散张量成像(diffusion tensor imaging, DTI)是重要的MR检查方法,与传统灰度或彩色医学图像不同,其图像是复杂的弥散张量数据场[1]。对于复杂多样的DTI特征,传统手动分析效率及准确率均较低。作为一门新兴技术学科,人工智能(artificial intelligence, AI)迅速发展,已在医学图像分析与处理领域展现出重要价值[2]。本文对基于AI的DTI技术应用进展进行综述。
1 DTI技术
DTI是以水分子弥散在不同传播介质中呈现不同方向和速率为基础原理的成像方法[3],可在三维空间中准确追踪并表达水分子多方向扩散程度,反映组织结构的变化,并转化为图像和各种特征参数。DTI技术可通过特征参数在微观领域评价组织结构的完整性,提供疾病的病理信息以辅助诊断,目前已广泛用于临床。但DTI数据繁多,数据处理过程复杂,难以精确分析。结合AI技术可有效提高数据处理及分析能力,减少工作量,增加数据分析的准确性。
2 DTI数据分析方法
2.1 常规分析方法 常用DTI数据分析方法主要有3种:①基于ROI分析,如SNOOK等[4]采用基于ROI方法对50名健康志愿者的特定脑结构进行分析,发现随着年龄增长,脑部结构变化趋于广泛;②基于体素分析(voxel-based analysis, VBA),如SENDA等[5]采用VBA分析方法检测在大脑病理变化基础上的组织损伤,可更好地利用DTI空间信息;③基于纤维束追踪的空间统计分析(track-based spatial statistics, TBSS),如TAN等[6]采用基于TBSS分析方法观察2型糖尿病患者脑白质微结构变化。……
