[发明专利]基于非凸正则化反卷积的体素内多纤维走向估计方法

说明书

基于非凸正则化反卷积的体素内多纤维走向估计方法，本发明属于磁共振扩散成像信号处理领域，它是为了解决现有正则化反卷积方法易造成边缘模糊、估计结果精度低的问题。包括如下步骤：S1，选取相关参数；S2，对每个体素进行非凸正则化反卷积迭代计算；S3，迭代终止判断，如满足迭代终止条件则进行S4，否则继续进行S2；S4，根据迭代结果提取主纤维走向。采用本发明的估计方法，能够在提高算法抗噪声性能的同时，保持图像的边缘结构特征，从而提高体素内多纤维走向估计的精度。

技术领域

本发明属于磁共振扩散成像信号处理领域，特别涉及基于非凸正则化反卷积的体素内多纤维走向估计方法。

背景技术

磁共振扩散成像是目前唯一能够测量活体组织内水分子扩散信息的无创方法，在组织内部水分子的扩散运动受到组织微观结构的限制，因此可以通过测量水分子的扩散信息进而重建组织的微观结构。该方法具有非侵入和不需造影剂等优点，在理论研究和临床实践中均引起了极大关注。

扩散张量成像是最早提出的一种磁共振扩散成像方法，并被广泛应用于临床研究。该方法通过测量6个以上扩散梯度方法的扩散加权图像，采用扩散张量建模水分子沿各个方向的扩散信息，扩散张量的主特征向量指示体素内的纤维走向。由于该方法只能得到体素内单一的平均纤维走向，因此不适于体素内包含多个纤维走向的情况。

目前，已有一些方法能够通过更复杂的模型来估计体素内的多个纤维走向，从而解决扩散张量成像方法的限制。这些方法主要包括：多张量模型、高阶扩散张量、Q-Ball成像、扩散谱成像、球面反卷积(Spherical Deconvolution，SD)、独立分量分析、混合扩散成像等。

在上述方法中，基于SD的方法由于具备不需指定纤维走向分布的数量、计算效率高且能够在低角分辨率成像条件下估计体素内纤维走向分布等优点，引起了相关学者的重视，但是基于SD的方法对噪声非常敏感。为了克服噪声敏感问题，正则化技术已被引入到SD方法中。在现有方法中，正则项通常被定义为凸函数，虽然凸函数能够使模型容易求解，但却限制了正则化的效果。全变分正则项在使用的过程中表现出较好的抗噪能力，但是全变分正则项的使用可能会导致阶梯效应并倾向于对图像细节的过平滑。

发明内容

本发明的目的是为了解决现有正则化反卷积方法估计结果准确性差，且易造成边缘模糊的问题，提出一种基于非凸正则化反卷积的体素内多纤维走向估计方法。

基于非凸正则化反卷积的体素内多纤维走向估计方法，包括如下步骤：

S1、选取正则化参数λ，选取总迭代次数k_N；在单位球面上均匀选取M个点g₁，g₂，...，g_M作为纤维走向分布的重建方向，对于每个体素p，给定其体素内的纤维走向分布的初始值为令当前迭代次数k＝1；λ的取值范围为0.02～0.08，k_N的取值范围为200～400；

S2、对于每个体素p，采用反卷积迭代方程(1)进行第k次迭代计算：

方程(1)中，[X]_i表示向量X的第i个元素，S_p为体素p对应的磁共振扩散加权信号，H为：

方程(2)中，N为磁共振扩散成像所采用的扩散梯度方向的数量，b为扩散敏感因子，D₁，D₂，...，D_N为根据N个扩散梯度方向所构造的N个张量，每个张量的主特征向量为对应的扩散梯度方向，张量的三个特征值分别为：[1，0，0]；

方程(1)中正则项为：