磁共振弥散张量去噪方法和系统的制作方法
【技术领域】
[0001] 本发明涉及了磁共振成像技术，特别是涉及一种磁共振弥散张量去噪方法和系 统。
【背景技术】
[0002] 弥散张量成像（Diffusion Tensor Imaging DTI)是在弥散加权成像（Diffusion Weighted Imaging DWI)基础上发展起来的新的成像方法，其利用水分子的弥散各向异性 进行成像，可无损的从微观领域评价组织结构的完整性，为疾病的预防、诊断及治疗提供更 多的信息。但是，相比其他的磁共振成像技术，DTI需要较长的扫描时间，且信噪比较低。
[0003] 为了提高弥散张量成像的信噪比，目前较为直接的方法是通过多次采样取平均和 减小K空间采样区域的方法。这些方法在实际中有一定的应用，但会增加扫描时间和影响 空间分辨率。另一种常见的方法是在获取K空间扫描数据后，首先重建出弥散加权图像，然 后再运用信号处理的方法对图像进行去噪，最后，通过去噪后的图像计算弥散张量及各种 弥散参数。该方法应用较广，但图像去噪过程中的系统误差有可能会进一步传递到后续的 张量计算中，进而影响各种弥散参数图像的质量。
【发明内容】
[0004] 基于此，有必要针对现有技术中的问题，提供一种磁共振弥散张量去噪方法和系 统，其可以避免图像去噪的误差对弥散张量估计的影响，可以更有效地抑制弥散张量中的 噪声，提高弥散张量的估计精度。
[0005] 本发明提供了一种磁共振弥散张量去噪方法，其包括：
[0006] 图像数据获取步骤：获取磁共振弥散加权图像所对应的K空间数据；
[0007] 去噪步骤：基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散 张量特征值的稀疏性，采用最大后验概率估计的方法由K空间数据获得每一个空间位置所 对应的去噪后的弥散张量矩阵；
[0008] 弥散参数计算步骤：基于所述去噪后的弥散张量矩阵，获得弥散参数图。
[0009] 在其中一个实施例中，所述去噪步骤包括：
[0010] 基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散张量特征值 的稀疏性，采用最大后验概率估计的方法，构建去噪函数模型，所述函数模型参见如下述公 式⑴：
[0011] D = argmin^ Am-￥mI0e9me'^"' +/li?(M(D)) 公式（I) D m2
[0012] 其中，0表示弥散张量矩阵的估计值，M ( ·)表示计算所述弥散张量特征值的运 算符，即M (D) = [ λ λ 2，λ 3]，λ λ 2，λ 3分别为所述弥散张量矩阵D的三个弥散张量 特征值；R(·)是作用于弥散张量特征值的稀疏约束函数，λ为相应的正则化参数；d m为第 m个弥散加权图像所对应的K空间数据；F表示傅立叶编码矩阵；表示第m个弥 散加权图像，其中，Itl表示无弥散加权的参考图像，％为第m个弥散加权图像的相位，b是 弥散加权因子，gn是第m个弥散加权图像所对应的弥散梯度向量g (g M，gyni，gZD1)T;
[0013] 利用所述K空间数据，求解公式（I)，获得每一个空间位置所对应的去噪后的弥散 张量矩阵。
[0014] 在其中一个实施例中，所述作用于弥散张量特征值的稀疏约束函数约束每个弥散 张量特征值的稀疏性。
[0015] 在其中一个实施例中，所述作用于弥散张量特征值的稀疏约束函数约束弥散张量 特征值的联合稀疏性。
[0016] 在其中一个实施例中，所述作用于弥散张量特征值的稀疏约束函数R( ·)调用以 下公式计算获得：
[0017] Λ (M (D)) = Λ(λ,, λ2, λ3) = X ||Ψλ, I k=\
[0018] 其中，ψ为运算符、表示稀疏变换，M · 111表示LI范数。
[0019] 在其中一个实施例中，所述作用于弥散张量特征值的稀疏约束函数R( ·)调用以 下公式计算获得：
[0020] i? (M (D)) =雄】，λ2，λ3) = [ IkA- IE
[0021] 其中，Ψ为运算符，表示稀疏变换，I表示Ψ的第i列，11 · 11 i表示LI范数， 11 · 112表示L2范数。
[0022] 基于上述方法，本发明还提供了一种磁共振弥散张量去噪系统，其包括：
[0023] 图像数据获取模块，用于获取磁共振弥散加权图像所对应的K空间数据；
[0024] 去噪模块，用于基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用 弥散张量特征值的稀疏性，采用最大后验概率估计的方法由所述K空间数据获得每一个空 间位置所对应的去噪后的弥散张量矩阵；及
[0025] 弥散参数计算模块，用于基于所述去噪后的弥散张量矩阵，获得弥散参数图。
[0026] 在其中一个实施例中，所述去噪模块包括：
[0027] 模型构建单元，用于基于磁共振弥散加权成像模型和采样噪声的高斯分布性质， 利用弥散张量特征值的稀疏性，采用最大后验概率估计的方法构建去噪函数模型，所述去 噪函数模型见上述公式（1);和
[0028] 矩阵求解单元，用于利用所述K空间数据，调用所述函数模型求解获得每一个空 间位置所对应的去噪后的弥散张量矩阵。
[0029] 在其中一个实施例中，所述作用于弥散张量特征值的稀疏约束函数约束每个弥散 张量特征值的稀疏性。
[0030] 在其中一个实施例中，所述作用于弥散张量特征值的稀疏约束函数约束弥散张量 特征值的联合稀疏性。
[0031] 本发明提出利用弥散张量特征值的稀疏性，直接通过获取的K空间数据对弥散张 量进行去噪成像的方法，该方法略过了传统的图像去噪的步骤，避免了图像去噪的误差对 弥散张量估计的影响，可以更有效地抑制弥散张量中的噪声，提高弥散张量的估计精度。
【附图说明】
[0032] 图1为本发明方法的一个实施例流程示意图；
[0033] 图2为本发明方法的另一个实施例流程示意图；
[0034] 图3为本发明系统的一个实施例结构示意图；
[0035] 图4为本发明系统的另一个实施例结构示意图。
【具体实施方式】
[0036] 本发明基于磁共振弥散加权成像技术，利用弥散张量模型和弥散张量特征值的固 有特性（如稀疏性），基于最大后验概率估计的理论框架，直接由采集的K空间数据获取去 噪后的弥散张量，从而实现磁共振弥散张量成像。这里提到的磁共振弥散张量成像，是有别 于弥散加权成像的一种新方法，可以用于描述大脑结构。举例来说，如果说核磁共振成像是 追踪水分子中的氢原子，那么弥散张量成像便是依据水分子移动方向制图，弥散张量成像 图（呈现方式与以前的图像不同）可以揭示脑瘤如何影响神经细胞连接，引导医疗人员进 行大脑手术。它还可以揭示同中风、多发性硬化症、精神分裂症、阅读障碍有关的细微反常 变化。
[0037] 磁共振成像的物理机制可以表示为下述公式（2-1):
[0038] d = F P +η 公式（2-1)
[0039] 其中，d表示在磁共振仪上所采集的信号，F表示博立叶编码矩阵，P为磁共振重 建的图像，η通常假定为复高斯白噪声。
[0040] 在磁共振弥散加权成像中，第m个弥散加权图像P111的成像模型可以写作下述公 式（2-2):
[0041] pm - C^ds- 公式（2-2)
[0042] 其中，^表示无弥散加权的参考图像，A为第m个弥散加权图像的相位，b是弥散 加权因子（常量），是第m个弥散加权图像所对应的弥散梯度向量g^= (g"，gyni，gzJT。
[0043] 对于弥散加权成像，只有一个弥散系数一个标量值来描述弥散属性，而在弥散张 量成像中，弥散张量可以完全描述每一个方向上水分子的移动及在这些方向上水分子移动 的相关性。而张量本质上就是一副三维空间的方向矢量图，可以用以显示脑图像中有方向 性的白质纤维束内水分子移动的选择性。弥散张量通常由下述公式（2-3)矩阵表示，以下 简称为弥散张量矩阵。 "D1 D4 DA
[0044] D= D4 D2 D6 公式（2-3) vA A D3y
[0045] 上述弥散张量矩阵D为对称矩阵，为了形象地表述弥散张量矩阵，可以进一步将 弥散张量矩阵视为一个椭圆球体（ellipsoid)，其本征值代表了沿弥散椭球最大和最小轴 的弥散系数。所以，弥散张量矩阵的三个本征值是最基本的旋转不变量（即不随弥散方向 而改变）。它们是沿着三个坐标轴方向测量的主弥散系数。这三个坐标轴是组织固有的。 每个本征值联系着一个本征向量，这个本征向量也是组织固有的。弥散张量矩阵的三个本 征向量相互垂直，并构建了每个像素的局部参照纤维框架。在每个像素