[发明专利]一种多幅动态对比度增强核磁共振图像联合重建方法

说明书

技术领域

本发明公开了一种多幅动态对比度增强核磁共振图像联合重建方法，涉及图像信息处理技术领域。

背景技术

核磁共振图像(MagNetic ResoNaNce ImagiNg，MRI，下文简称MR图像)作为医学诊断的重要手段对于癌症的早期诊断也起到了重要作用。在医学上，核磁共振的工作原理是做许多次(但次数仍是有限的)测量(基本上就是对人体图像进行离散X光变换)，再对数据进行加工来生成图像(在这里就是人体内水的密度分布图像)。根据Nyquist采样定理，采样速率达到信号带宽的两倍以上时，才能由采样信号精确重建原始信号。可见，带宽是Nyquist采样定理对采样的本质要求。然而随着人们对信息需求量的增加，携带信息的信号带宽越来越宽，以此为基础的信号处理框架要求的采样速率和处理速度也越来越高。

解决这些压力常见的方案是信号压缩。但是，信号压缩实际上是一种资源浪费，因为大量不重要的或者只是冗余的信息在压缩过程中被丢弃。在这种情况下，D.DoNoho(美国科学院院士)、Romberg，E.CaNdes(Ridgelet,Curvelet创始人)及华裔科学家T.Tao(2006年菲尔兹奖获得者，2008年被评为世界上最聪明的科学家)等人提出了一种新的信息获取指导理论，即压缩感知(Compressed SeNsiNg，CS)理论。

CS理论是编解码思想的一个重要突破，理论指出，如果信号在某一个正交空间具有稀疏性(即可压缩性)，就能以较低的频率(远低于奈奎斯特采样频率)采样该信号，并可能以高概率重建该信号，这就是压缩感知理论。简单地说，压缩感知理论指出：只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号，可以证明这样的投影包含了重构信号的足够信息。

在压缩感知理论框架下，采样速率不再取决于信号的带宽，而是取决于信息在信号中的结构和内容。它利用变换空间描述信号，建立了一种新的信号描述和处理的理论框架，使得在保证信息不损失的情况下，用远低于奈奎斯特采样定理要求的速率采样信号，而且能以高概率完全恢复信号。

在成像方面，CS理论的出现激起了人们研究新型传感器的热情，对昂贵的成像器件的设计产生了重大影响。在地震勘探成像和核磁共振成像中，使用CS方法对目标信号进行少量的随机观测就能获得高精度重构。在带宽无线频率信号分析中，用远低于奈奎斯特采样频率的速率采集信号，可以摆脱目前A/D转换器技术的限制困扰。压缩感知在医疗成像中的应用也非常值得关注。当数据测量的成本要大于信号重建的软件成本时，测量数据数量的减少就成为一个非常吸引人的话题；医疗成像便是如此，数据的采集非常耗时，因此压缩感知为这个问题的解决提供了契机。目前它在医学磁共振成像MRI、CT成像、基因表达等方面的应用研究已经展开。

在医学成像领域，根据压缩感知技术，MR图像在某个特定的域中会表现出稀疏性的特点，比如常见的小波域、轮廓波变换域或者离散的余弦变换DCT。以此为基础，Lustig等人根据同一幅MR图像在某基空间上的稀疏性，从局部的k-空间取样，从而重建单幅的MR图像。后来，Majumdar等人在Lustig工作的基础上基于CS理论和群稀疏的思想又做了进一步的扩展，运用群稀疏的思想，对相同切片的不同的T1/T2模态磁共振图像进行了联合重建，取得了显著的效果。该方法同时考虑了单个图像在某基空间上的稀疏性和同一切片不同成像模态下多幅MR图像之间的强相关性。随后，HuaNg等人对该重建算法做了进一步的改进，他们提出的算法同时考虑了最小二乘数据拟合，联合全变分和小波群稀疏正则化三者之间的相关性，通过最小化三者的线性组合的方法来达到快速准确的MR图像重建。在此以后又有研究人员使用多任务贝叶斯模型来针对多对比度MR图像使用群稀疏思想进行重建。

动态对比度增强核磁共振成像(DyNamic CoNtrast-ENhaNced MagNetic ResoNaNce ImagiNg，DCE-MRI)是一种通过静脉注射造影剂无创伤地评价组织和肿瘤微血管循环系统特性的一种功能性成像方法。HeywaNg-KobruNer于1986年第一次在临床中使用DCE-MRI技术检测和诊断乳腺癌，也是人类历史上首次运用DCE-MRI技术检测与诊断乳腺癌。目前DCE-MRI已经被公认为是基于钼靶图像(或X-光片)和基于超声波图像检测和诊断的辅助成像手段。