综合多梯度磁场方向弥散加权磁共振图像线性最小均方误差去噪

弥散加权磁共振图像(DWI)是使用特殊自旋平面回波序列进行快速成像,它易被噪声干扰,需要有效去噪以保证后续应用。目前去噪方法一般为常用图像去噪方法扩展,缺乏针对DWI多不同梯度磁场方向数据构成特点的针对性应用。本文提出一种DWI Rician噪声的线性最小均方误差(LMMSE)复原方法,使用局部信息的统计特征,对DWI的Rician噪声进行有效估计,并综合多梯度磁场方向改进使用LMMSE进行复原。在合成模拟DWI数据和真实人体脑部DWI数据上进行的仿真和实验表明,本文方法较之目前使用较多的逐梯度方向去噪方法能够更好去除DWI中Rician噪声,有效改善计算获得的DTI大小和方向信息的有效性和准确性。     

非局部主成分分析极大似然估计MRI图像Rician噪声去噪

由于MRI图像中噪声呈Rician分布,直接使用现有针对高斯噪声的去噪方法将引入误差。基于此本研究使用Rician噪声模型改进现有极大似然估计去噪的高斯模型,同时引入非局部主成分分析,在非局部区域选择灰度和纹理均具有较高相似性的像素进行最优复原估计。使用非局部主成分分析不仅克服现有局部性去噪方法模糊边界的缺陷,而且具有更高的图像细节信息复原能力。分别应用所提出的方法、局部极大似然估计去除Rician噪声方法、采用参数修正非局部均值去除Rician噪声方法、无特定噪声模型的全变差方法,对不同噪声等级和不同纹理复杂度的图像进行定性和定量的去噪实验。结果表明,所提出的方法可在保持图像细节和纹理信息的前提下有效去噪,较之现有方法效果更好。     

一种改进的脑白质纤维束连续跟踪算法

目的:改进脑白质纤维束连续跟踪算法,提高纤维束跟踪的连续性和准确性。方法:使用山东第一医科大学第二附属医院影像科和国际人脑连接组共享数据库网站提供的弥散张量图像对算法进行验证。首先,对磁共振弥散张量图像进行中值滤波和高斯平滑滤波,去除噪声对纤维束连续跟踪算法的影响,利用脑模板消除颅骨对后续跟踪的影响。然后,利用最小二乘法获得每一个体素的弥散张量和各向异性指数。最后,从各向异性指数大于阈值的起始体素开始,利用跟踪编辑技术和基于弥散熵的线性跟踪方法完成纤维束连续跟踪。结果:同传统的纤维束连续跟踪算法相比,本研究提出的算法能得到更连续、更准确的跟踪结果,算法具有较好的抗噪声能力和较强的鲁棒性。结论:改进的纤维束跟踪方法可以应用于脑结构网构建以及脑疾病的研究。     

采用偏微分方程的磁共振弥散张量各向异性扩散滤波去噪

弥散张量磁共振成像(DTI)是无创研究大脑白质结构及其他人体纤维状组织结构的主要工具。由于合成DTI数据的弥散加权成像数据(DWI)易受噪声干扰,需要有效去噪以保证DTI数据精度和后续应用的实现。使用各向异性扩散滤波理论,综合考虑各方向通道DWI数据的几何形态和结构特点,重构其特征向量和特征值,获得统一平滑的结构张量,以期在有效去噪的基础上最大程度地保持DTI数据几何结构和特征。利用所提出方法在合成弥散张量数据上进行仿真,并在真实脑部DTI数据上进行实验。仿真和实验结果表明,该方法能有效减少噪声对DTI数据的影响,较之现有的时频分析去噪方法,可更准确地恢复DTI数据,减少主分量方向的偏差和部分各向异性值的误差。     

磁共振扩散高阶张量成像的脑白质纤维微结构模型及特征提取算法

在基于扩散加权磁共振成像(DW-MRI)的脑白质纤维微结构建模中,高阶张量成像模型(HOT)是解决常用二阶张量模(DTI)难以刻画复杂纤维结构问题的新方法,但是存在纤维特征方向提取复杂、计算量大等问题。本研究基于任意阶次的正定高阶张量理论,提出一种能够快速获得任意阶张量纤维特征方向的迭代搜索算法。该方法根据张量模型的特征,首先利用网格细分快速确定特征方向的大致区域,进一步针对该区域进行细分,从而迭代获得精确的高阶张量模型特征方向。该方法解决了现有符号计算方法易于陷入局部极值点或者搜索不收敛带来的误差和计算效率问题。为了测试所提出算法的有效性,首先利用仿真数据分析了算法对不同数目、不同交角纤维的识别能力和特征方向的计算精度;同时利用实际DW-MRI临床数据进行了测试。结果表明,相比于现有的符号计算方法,所提出的算法可以在6阶以及更高阶模型下获得稳定的纤维特征方向。     

PM滤波方法对提高不同b值弥散张量成像图像质量的应用研究

目的在不同b值条件下,研究PM滤波方法对提高弥散张量成像（DTI）技术图像质量的作用。方法在b值为800～2800s／mm2的条件下分别对模体及志愿者实施DTI．利用改进的PM滤波方法对获得的弥散加权成像（DWI）图像进行处理后求解张量参数．得到反映水分子各向异性扩散程度的FA图。通过比较标准FA图与处理后FA图间的均方根误差（RMSE）．评价PM滤波的效果。结果随着b值的升高,图像信噪比逐渐降低．FA误差逐渐增大。当b值小于2000s／mm2时．经过PM滤波后．可得到RMSE较低的后处理图像。结论b值在1000．2000s／mm2范围内,应用PM滤波方法是提高人脑DTI图像质量的一种有效手段．     

弥散张量成像纤维束跟踪中噪声去除方法研究

对弥散张量成像(DTI)中影响纤维束跟踪效果的几种噪声去除方法进行研究。仿真结果表明:高斯平滑滤波、中值滤波和形态学最大最小值滤波对DTI中的噪声都有一定的抑制作用。高斯平滑滤波能够去除高频白噪声,引起图像边缘模糊,影响纤维束跟踪的连续性;中值滤波在去除随机噪声的同时,较好地保存了图像细节,能提高纤维束跟踪效果;最大最小值滤波能抑制较大噪声的影响,提高纤维束跟踪的连续性。此外,提出一种联合运用最大最小值滤波和中值滤波的混合滤波去噪法,该方法能更好地抑制噪声对DTI纤维束跟踪的影响,获得了令人满意的跟踪效果。     

变形磁共振弥散张量图像的三维非线性配准

对于磁共振弥散张量成像的图像变形,采用3D非线性图像配准的方法来纠正.在基准磁共振图像和变形弥散张量图像分割的基础上,以互信息为相似性测度,分别采用单级与双级B样条变换来纠正畸变.弥散张量成像由涡流及组织磁敏感性差异引起的几何畸变得到了明显纠正,且与单级B样条变换相比,双级B样条变换更具有鲁棒性.采用3D非线性图像配准可对变形图像进行纠正,明显提高了图像质量.     

弥散张量成像在中枢神经系统中的应用

在磁共振成像(MRI)研究中，弥散张量成像(DTI)是最近几年提出并迅速发展的一个研究方向，本介绍了弥散张量成像的原理以及国际上主要的研究热点，并结合实际介绍了弥散张量成像在中枢神经系统(CNS)中的应用。     

基于参考图像的压缩感知磁共振扩散张量成像

基于参考图像的压缩感知磁共振扩散张量成像方法,利用相邻方向的扩散加权图像差异较小的特点,采用压缩感知理论实现快速扩散张量成像,回顾性选取扩散张量图像数据进行实验研究,在采样率为50%的均匀分布辐射线欠采样方式下进行基于参考图像的压缩感知扩散张量图像重建,结果表明重建后的扩散加权图的平均结构相似性（MSSIM）和峰值信噪比（PSNR）分别为0.904±0.044、（37.92±3.89） dB,各向异性分数图的MSSIM和PSNR分别为0.992、41.64 dB。因此,该方法在保证重建图像质量的前提下,可显著缩短数据采集时间,减少由于时间过长引起的图像伪影等问题。