تصویربرداری تشدید مغناطیسی تانسور انتشار (DTMRI) یک روش غیرتهاجمی برای بررسی ساختار ماده سفید مغز است. در این روش، تابع انتشار مولکولهای آب گوسی فرض میشود اما در نواحی از مغز که فیبرها با هم تقاطع دارند این فرضیه صادق نیست. تصویربرداری انتشار با رزولوشن زاویهای بالا در تعداد زیادی جهت انتشار (HARDI)، امکان بررسی دقیق ریزساختارهای ماده سفید مغز را فراهم میکند. این روش میتواند تقاطع فیبرها را در هر واکسل نشان دهد. برای کاربردهایی مثل آنالیز گروهی یا ساخت اطلس، انطباق تصویر یکی از گامهای اساسی است. تصاویر HARDI دارای اطلاعات جهتی مفیدی از ساختار فیبرهاست بنابراین انطباق آنها پیچیدهتر از تصاویر اسکالر است. در این مقاله یک الگوریتم انطباق براساس بردارهای ویژگی استخراج شده از روی تابع توزیع جهت فیبرها (ODF) ارائه میشود. معیار شباهت hammer برای تطبیق بردارهای ویژگی به کار میرود و روش thin-plate spline برای انطباق مکانی اسکلت و همسایهها استفاده میشود. سپس تصحیح جهت روی ODFها اعمال میگردد. سرانجام، روش پیشنهادی براساس اختلاف در جهت انتشار غالب، مورد ارزیابی قرار میگیرد. نتایج نشان میدهد که استفاده از اسکلت به عنوان نقاط نشانه در انطباق، به همراستایی دقیق دادههای HARDI کمک میکند و خطای انطباق در مقایسه با روشهای قبلی، تا حدودی کاهش مییابد.
Diffusion Tensor Imaging (DTI) is a common method for the investigation of brain white matter. In this method, it is assumed that diffusion of water molecules is Gaussian and so, it fails in fiber crossings where this assumption does not hold. High Angular Resolution Diffusion Imaging (HARDI) allows more accurate investigation of microstructures of the brain white matter; it can present fiber crossing in each voxel. HARDI contains complex orientation information of the fibers. Therefore, registration of these images is more complicated than the scalar images. In this paper, we propose a HARDI registration algorithm based on the feature vectors that are extracted from the Orientation Distribution Functions (ODFs) in each voxel. Hammer similarity measure is used to match the feature vectors and thin-plate spline (TPS) based registration is used for spatial registration of the skeleton and its neighbors. A re-orientation strategy is utilized to re-orient the ODFs after spatial registration. Finally, we evaluate our method based on the differences in principal diffusion direction and we will show that utilizing the skeleton as landmark in the registration results in accurate alignment of HARDI data.