目的 评价7.0 T MRI对正常大鼠海马结构及亚区容积的检测能力.方法 40只正常Wistar大鼠分别行7.0 T 和3.0 T MRI T2WI扫描,图像导入IMAGE J软件,利用灰度差分法辨识海马及亚区的解剖点,测得两种场强MRI海马及亚区层面积、容积并进行比较...目的 评价7.0 T MRI对正常大鼠海马结构及亚区容积的检测能力.方法 40只正常Wistar大鼠分别行7.0 T 和3.0 T MRI T2WI扫描,图像导入IMAGE J软件,利用灰度差分法辨识海马及亚区的解剖点,测得两种场强MRI海马及亚区层面积、容积并进行比较.结果 7.0 T MRI中,侧脑室、环池辨认率达100%（40/40）,腹侧海马裂与下托辨认率达95%（38/40）,丘脑外侧核、外侧膝状体背侧核辨认率达90%（36/40）.3.0 T MRI上只能清晰辨认双侧侧脑室及环池,不能分辨大鼠海马亚区结构.3.0 T MRI所测海马层面积左侧 （2.81±0.86） mm^2、右侧 （2.77±0.80）mm^2,容积左侧（56.36±5.98） mm^3、右侧（55.61±6.03 ）mm^3;7.0 T MRI所测海马层面积左侧（3.25±0.92） mm^2、右侧 （3.14±0.81）mm^2,容积左侧（64.29±7.13）mm^3、右侧（65.34±7.74）mm^3;两者比较差异均有统计学意义（P值均〈0.05）.7.0 T MRI所测海马CA1区层面积左侧为 （2.81±0.98） mm^2、右侧 （2.88±0.92） mm^2,容积左侧为（27.02±4.62）mm^3、右侧（27.64±4.13） mm^3;CA3和DG区合并计为CA3-DG区,其层面积左侧为 （4.21±1.21） mm^2、右侧 （4.19±1.40）mm^2,容积左侧为（38.73±4.17） mm^3、右侧（38.11±5.09） mm^3.结论 依据灰度差分法,大鼠海马7.0 T MRI能够准确辨认海马结构、亚区边界标志点,获得其较为可靠的容积大小,其相关数据可为此类研究提供参照和依据.展开更多
针对最小远离距离MFD(Minimum Far Distance)算法对局部尖锐噪声易产生误匹配的问题,提出了一种改进的算法。新算法通过加入噪声阈值,对应点的灰度差值的相似阈值和单调递减累加阈值的方式,有效地去除了图像中的尖锐噪声,快速终止了非...针对最小远离距离MFD(Minimum Far Distance)算法对局部尖锐噪声易产生误匹配的问题,提出了一种改进的算法。新算法通过加入噪声阈值,对应点的灰度差值的相似阈值和单调递减累加阈值的方式,有效地去除了图像中的尖锐噪声,快速终止了非匹配点的计算,从而减少了总体的计算量。同时新算法采用了一种包含像素点差值的相关方法来解决同时出现多个匹配点的情况,从而显著抑制了模板的漂移问题。实验结果表明,算法在图像存在噪声、遮挡时都取得了比较满意的匹配效果。展开更多
文摘目的 评价7.0 T MRI对正常大鼠海马结构及亚区容积的检测能力.方法 40只正常Wistar大鼠分别行7.0 T 和3.0 T MRI T2WI扫描,图像导入IMAGE J软件,利用灰度差分法辨识海马及亚区的解剖点,测得两种场强MRI海马及亚区层面积、容积并进行比较.结果 7.0 T MRI中,侧脑室、环池辨认率达100%（40/40）,腹侧海马裂与下托辨认率达95%（38/40）,丘脑外侧核、外侧膝状体背侧核辨认率达90%（36/40）.3.0 T MRI上只能清晰辨认双侧侧脑室及环池,不能分辨大鼠海马亚区结构.3.0 T MRI所测海马层面积左侧 （2.81±0.86） mm^2、右侧 （2.77±0.80）mm^2,容积左侧（56.36±5.98） mm^3、右侧（55.61±6.03 ）mm^3;7.0 T MRI所测海马层面积左侧（3.25±0.92） mm^2、右侧 （3.14±0.81）mm^2,容积左侧（64.29±7.13）mm^3、右侧（65.34±7.74）mm^3;两者比较差异均有统计学意义（P值均〈0.05）.7.0 T MRI所测海马CA1区层面积左侧为 （2.81±0.98） mm^2、右侧 （2.88±0.92） mm^2,容积左侧为（27.02±4.62）mm^3、右侧（27.64±4.13） mm^3;CA3和DG区合并计为CA3-DG区,其层面积左侧为 （4.21±1.21） mm^2、右侧 （4.19±1.40）mm^2,容积左侧为（38.73±4.17） mm^3、右侧（38.11±5.09） mm^3.结论 依据灰度差分法,大鼠海马7.0 T MRI能够准确辨认海马结构、亚区边界标志点,获得其较为可靠的容积大小,其相关数据可为此类研究提供参照和依据.
文摘针对最小远离距离MFD(Minimum Far Distance)算法对局部尖锐噪声易产生误匹配的问题,提出了一种改进的算法。新算法通过加入噪声阈值,对应点的灰度差值的相似阈值和单调递减累加阈值的方式,有效地去除了图像中的尖锐噪声,快速终止了非匹配点的计算,从而减少了总体的计算量。同时新算法采用了一种包含像素点差值的相关方法来解决同时出现多个匹配点的情况,从而显著抑制了模板的漂移问题。实验结果表明,算法在图像存在噪声、遮挡时都取得了比较满意的匹配效果。
