国家重点基础研究发展计划(973计划)前期研究专项

01项目简介

本项目针对现有 MRI 临床预测研究中一般使用单一模态 MRI 且逐体素独立分析的缺陷，充分利用多模态 MRI 和局部体素区域，以及脑区之间的互相关信息，基于多体素模式分析理论逐步进行 3 项理论研究与应用技术开发：基于 dMRI 脑部白质神经纤维结构的多体素模式分析研究与应用技术开发、基于 fMRI 脑部灰质功能区的多体素模式分析研究与应用技术开发、融合 fMRI 灰质功能区和 dMRI白质神经纤维结构的多体素模式分析研究与应用技术开发。 在发表基于上述理论研究的高水平科研论文基础上，设计和开发相应分析软件和应用系统，为后续理论基础及临床应用研究提供可靠理论支撑和应用工具。

02项目进展

已完成dMRI 脑部白质神经纤维结构多体素模式分析、fMRI 脑部灰质功能区多体素模式分析和融合 fMRI 灰质功能区三个部分的研究。

03项目成果

如图1是使用本项目拟使用的张量模型对fMRI信息传递进行建模的初步结果，（中间列）是针对静息态fMRI信息传递建模的结果，与dMRI描述的白质局部弥散结构（右列）对比可知，双方在主要结构方面均表现出一致性，在细节描述上显示出明显互补性。

图2从左至右为MRI，静息态fMRI，任务态fMRI和经过部分容积效应校正的任务态fMRI信息传递建模。对照圆圈内容可知，经过部分容积效应校正后，白质上的任务态fMRI仍然沿白质神经纤维结构传递信息，说明这些信息来自于白质生物活动本身，而不是来自于灰质信号的影响。

04项目论文

  1. Jinrong Hu#, Jiliu Zhou, Xi Wu*. Non-local MRI denoising Using Random Sampling. Magnetic Resonance Imaging, 2016, 34(7):990-999.(SCI IF 1.980)
  2. Xi Wu#, Zhipeng Yang, Jing Peng, Jiliu Zhou*. Global denoising for 3D MRI. Biomedical Engineering Online, 2016, 15(1): 54.(SCI IF 1.382)
  3. Yan Wang#, Pei Zhang, Le An, Guangkai Ma, Jiaming Kang, Feng Shi, Xi Wu, Jiliu Zhou, David Lalush, Weili Lin, Dinggang Shen*. Predicting standard-dose PET image from low-dose PET and multimodal MR images using mapping-based sparse representation. Physics in Medicine and Biology, 2016, 61(2):791-812. (SCI IF 2.761)
  4. Yi Z#, Yan W, Zhang W, Jiliu Zhou*. Statistical iterative reconstruction using adaptive fractional order regularization. Biomedical Optics Express, 2016, 7(3).(SCI IF 3.344)
  5. Yan Wang#, Xi Wu# (Co-Author), Wenzao Li, Zhi Li, Yi Zhang, Jiliu Zhou*. Analysis of micro-Doppler signatures of vibration targets using EMD and SPWVD. Neurocomputing. 2016,171:48-56. (SCI IF 2.005)