[发明专利]磁共振弥散张量去噪方法和系统

说明书

技术领域

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

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。

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

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。

本发明提供了一种磁共振弥散张量去噪方法，其包括：

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；

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；

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。

在其中一个实施例中，所述去噪步骤包括：

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(1)：

    公式(1)

其中，表示弥散张量矩阵的估计值，Μ(·)表示计算所述弥散张量特征值的运算符，即Μ(D)＝[λ₁,λ₂,λ₃]，λ₁,λ₂,λ₃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，I₀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，g_m是第m个弥散加权图像所对应的弥散梯度向量g_m＝(g_xm,g_ym，g_zm)^T；

利用所述K空间数据，求解公式(1)，获得每一个空间位置所对应的去噪后的弥散张量矩阵。

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。

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。

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：