医学研究表明,心肌纤维结构能够体现心脏的各种功能特性及病变信息。为了获取人体心肌纤维的结构信息,先后出现了病理切片、荧光染色、化学跟踪等方法。磁共振扩散成像技术的出现为医学图像分析提供了重要的工具,由于其非入侵特点,基于该项技术的心肌纤维重建引起了广泛的研究兴趣。开展基于磁共振扩散成像心肌纤维重建方法的研究对进一步探索心肌纤维结构的特性改变和病理学变异原因有着重要的理论意义和临床应用价值。基于磁共振扩散成像的纤维重建方法通过对水分子扩散信号的分析,确定可能存在的纤维路径。但是,受组织结构及噪声的影响,纤维重建过程存在着较大的不稳定性。所以,相比于确定性纤维重建方法,基于概率的纤维重建方法更有利于提高纤维重建的准确性。为了描述纤维走向的后验概率分布,本课题引入粒子滤波技术实现纤维走向状态的估计,并针对已有方法在重要性密度函数的设计、自适应策略、观测模型及运行效率等方面的不足开展研究,本文的主要研究内容如下:(1)针对传统粒子滤波计算效率低、收敛速度慢的问题,提出了基于扩散各向异性自适应的粒子滤波心肌纤维重建算法。该算法根据不同体元处的扩散各向异性值动态地调整粒子数量和预测阶段的扰动强度。在保证状态估计质量的同时,降低了算法的计算复杂度,显著提高了系统的运行效率。首先,在纤维重建的起始位置,利用体元的六邻域均值初始化粒子集,以保证粒子滤波算法能够尽快收敛;然后,在纤维演化的过程中,根据当前体元位置的扩散状态调整粒子数量,利用各向异性值FA调整提议分布中的采样参数,获得尺度和状态可动态调控的预测粒子集。实验结果表明:本文提出的基于扩散各向异性自适应的粒子滤波心肌纤维重建算法具有较强的抗噪能力,在改善纤维重建精度的同时,系统计算代价平均下降50%,显著提高了系统的工作效率。(2)针对已有观测模型系统误差较大的问题,提出了基于张量旋转不变特性的观测模型。首先,通过拟合磁共振扩散成像数据计算出每个体元位置处的扩散张量;然后,根据给定的潜在纤维方向与扩散张量的主特征向量的位置关系构建旋转矩阵;最后,在张量形状不变的条件下得到新的观测模型。与约束模型和分部模型相比,本文提出的观测模型可以更加有效地刻画组织内水分子扩散状态,从而减小了观测模型的计算误差。实验结果表明:基于张量旋转不变特性的观测模型能够有效提升粒子滤波中的粒子质量,从而更加有效地刻画纤维走向的后验分布,心肌纤维的重建精度也得到了明显提升。(3)针对低角分辨率条件下交叉纤维和边缘纤维重建误差较大的问题,提出了心肌纤维重建修正技术。首先,通过扩散各项异性值的阈值分析对可能存在交叉纤维或者边缘纤维的区域进行判定;然后,通过对纤维演化方向的修正达到提高纤维重建精度的目的。对于可能存在纤维交叉的区域设置较大的演化步长,以达到跨过交叉区域保持纤维行进方向的目的;对于可能存在边缘纤维离心扩散的区域,通过对纤维走向偏转角度的修正抑制离心扩散所造成的纤维演化偏差。仿真数据和真实心脏数据实验结果表明:本文提出的修正技术能够有效地降低低角分辨率条件下纤维交叉和边缘部分容积效应引起的纤维重建误差。此外,为了能够使基于粒子滤波的心肌纤维重建方法更好地满足实际应用需要,本课题还开展了基于OpenMP的多核环境下粒子滤波并行加速方法研究。首先,对心肌纤维重建中粒子滤波各计算单元进行了并行化分析;然后,从线程管理和内存管理的角度给出了并行化方案;最后,针对心肌纤维重建给出了具体的并行加速实现流程。实验结果表明:本文的基于粒子滤波的心肌纤维重建方法通过并行加速计算效率得到了显著提升。综上所述,本文的研究工作为提高基于粒子滤波的心肌纤维重建的效率和精度提供了重要的解决途径。本文算法是在低角分辨率和单阶张量的条件下实现的,易于移植到高阶张量系统和Q-ball等复杂扩散模型,对进一步提高复杂扩散模型下的纤维重建精度和效率具有一定的参照意义。