现代成像模式的出现使研究能够揭示大脑不同区域的颞叶血流动力学模式，从而有助于评估脑血管疾病。动态磁敏度对比度磁共振成像记录静脉注射造影剂团块后与不同血液供应模式相关的信号变化。基于动脉室中的推注曲线和指示剂稀释理论，脑血流动力学参数的计算例如相对脑血容量，相对脑血流量，平均通过时间和达峰时间是可能的。血流动力学参数图已被广泛应用于临床应用，包括脑肿瘤评估，脑缺血，闭塞性脑血管疾病和放射性坏死。脑血流动力学分为不同成分对于促进脑灌注的分析和评估至关重要。在我们之前的研究中，快速独立分量分析，无噪声独立因子分析以及基于多元高斯混合物的期望最大化的分析被开发用于辨别脑组织。在多元高斯混合物方法中，数据同样是零均值归一化并通过主成分分析减少。在假设下与每种组织类型相关的简化数据的分布是多元高斯分布的，并且简化数据的整体分布是多元高斯混合物，交替迭代期望和最大化步骤进行了。步骤使用观察到的数据以及当前估计的模型参数计算预期的对数似然条件。步骤通过最大化对数似然值来更新模型参数。在该过程期间，在每个像素处获得与每种组织类型相关的后验概率，其反过来提供足够的统计有效性，即最大概率，以确定每个像素的组织类型。因此，可以使用多元高斯混合物方法同时分割出所有组织隔室，而不是使用分量分析方法中使用的逐个分割过程。然而多元高斯混合物方法需要对模型参数进行良好的初始猜测以获得满意的结果。
　　 在这个研究中使用灌注图像对脑组织进行分割依赖于推注传输时间曲线的聚类以辨别不同组织类型的区域。然而脑血管疾病会改变受损组织的局部灌注，具有不同的延迟和分散水平，因此使信号分布的整体分布复杂化。延迟和扩散现象是由血管结构的缺陷引起的，例如颈内动脉狭窄，烟雾病和动静脉畸形。在延迟分散环境下评估分割技术的准确性对于准确评估血管疾病的严重程度和定位受损组织至关重要。但不是组织分割和组织识别受损的影响。在这项研究中，进行蒙特卡罗模拟，以评估所提出的方法在组织分割中的信号轮廓的不同延迟，色散和噪声水平下的性能。最后我们使用所提出的方法分析了来自五个正常参与者，单侧颈内动脉狭窄患者和患有烟雾病的患者的灌注数据。在本研究中，我们通过使用对白化数据的结果来初始化多元高斯混合物模型中使用的模型参数来改进方法。值得注意的是，对白化数据执行同于对分量分析产生的独立分量图像进行聚类。为了澄清让零均值归一化和白化数据。在这种数据的矩阵中，每行表示图像，并且每列对每个体素的时间信息进行编码，其可以被视为聚类过程中的特征向量。因此在每个图像中表现出一种主要组织类型的所得独立分量图像。由于任何旋转矩阵都具有该属性其中上标代表矩阵转置，因此任何一对特征向量之间的欧几里德距离在旋转变换后保持相同。
　　 在未来的研究中，讨价还价问题的概念可以用于优化参数以评估延迟和分散效应。从博弈论的角度来看，延迟和离散参数可以作为游戏中的两个参与者，这些参数的优化可以通过均衡点的概念来实现。在非零和游戏中优化这种双人游戏的好处是基于博弈论方面的收益优化，我们期望在空间博弈理论框架中观察一组替代方案的均衡。目标识别技术如交叉图方法也可以使用我们提出的多元高斯混合物算法集成用于血流动力学聚类后自动识别类型。通过以最小的计算捕获空间特征，将二进制模式的交叉图作为观察目标的图像签名进行探索。可以应用一些其他分割方法来促进脑灌注图像的预处理，活动轮廓模型可以自动定义感兴趣区域以移除非目标图像像素，例如头骨和头皮或定位脑病变如脑肿瘤。总之我们通过使用白化数据的结果来初始化多元高斯混合物模型的参数来改进方法。该方法的平均分类率可达，标准偏差小优于随机抽样初始化。此外这是第一项评估血液动力学分割的延迟和分散效应的研究，这对脑血管疾病至关重要。我们的模拟结果表明只要正常和相应受损隔室之间的延迟或分散差异超过几秒，多元高斯混合物方法的大多数分类。最后单侧颈内动脉狭窄和烟雾病患者的数据分析说明了识别受损隔室的方法的有效性。所提出的方法可以量化受损的血液动力学并且用作诊断和治疗评估的辅助，例如评估完整性和识别梗塞区域的风险。