摘要

现代神经影像学中最具挑战性的问题之一，是神经退行性病变的精细表征。量化空间与时间维度上的脑萎缩模式，是该过程中的关键环节。这些时空信号有助于区分具有相似高危人群的相近疾病，例如额颞叶痴呆（frontotemporal dementia, FTD）与阿尔茨海默病（Alzheimer’s disease, AD）。本文提出一种新型对称图像配准方法（Symmetric Normalization, SyN），旨在最大化微分同胚映射空间内的互相关性，并推导出实现该优化所需的欧拉-拉格朗日（Euler-Lagrange）方程。随后，我们对所提方法进行了严谨评估。评估采用金标准的人脑皮层分割结果，将SyN方法与一种相关的弹性配准方法以及标准ITK库中实现的Thirion Demons算法进行对比。结果表明，该新方法在各项性能指标上均优于上述两种方法，尤其在模板脑与目标脑之间空间距离较大时表现更为突出。进一步，我们比较了算法自动标记的FTD患者与对照组个体的皮层体积与人工专家标注所得体积之间的相关性。结果表明，在三种方法中，SyN所获得的体积测量值与专家标注结果的相关性最强。本研究表明，结合互相关性优化的SyN方法，是一种在体积磁共振成像（volumetric MRI）中对患者及高危老年人群进行可靠图像配准与解剖测量的有效手段。