[发明专利]一种磁共振图像分离方法、系统、终端及存储介质

说明书

本发明提供一种磁共振图像分离方法、系统、终端及存储介质，包括：输入代表无混叠图像的N个独立统计的复值信号源并生成混叠信号；选用互信息率作为分离信号的代价函数；通过牛顿法优化所述代价函数得到去混叠矩阵；根据去混叠矩阵和混叠信号计算分离信号并根据分离信号重组分离图像。本发明无需使用任何额外训练数据的复值独立分量分析(ICA)方法。本发明中，我们汲取了现有分离算法的优势，并首次使用互信息率作为磁共振混叠图像分离问题的代价函数，使本发明兼顾了数据的非高斯性和样本独立性。

技术领域

本发明属于磁共振技术领域，具体涉及一种磁共振图像分离方法、系统、终端及存储介质。

背景技术

磁共振成像(MRI)已成为临床医学中广泛使用的医疗影像手段。然而，磁共振成像不能被广泛便捷使用的核心问题之一就是磁共振成像的图像需要对患者进行长时间的扫描，在3D成像中这一问题尤为显著。

该问题的常见的解决方法是相位调制多层激发(CAIPIRINHA，controlledaliasing in parallel imaging results in higher acceleration)，以同时获取不同切片的图像。每个线圈同时扫描实际空间中的两个或更多个不同切片，以便显着减少扫描时间。但是，由于扫描得到的图像是实空间的混叠图像(如图1)，因而扫描后需要进行后处理以分离不同的图像切片。从CAIPIRINHA产生的混叠图像分离图像的传统方法是使用并行成像，但这种方法需要额外的信息和时间。

从问题定义上讲，这一问题是图像领域的“鸡尾酒会问题”的推广。例如，当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当在鸡尾酒会上，说话的人数为两人或者多人时，语音识别率就会极大的降低，这一难题被称为鸡尾酒会问题。在磁共振成像中使用CAIPIRINHA获得的混叠图像即可以看做是两个说话者与两个记录器的鸡尾酒会问题，如图1所示。而我们的问题便是如何将混叠的图像有效地分离。

目前，复值信号是常见见的解决此类问题的手段。其经常出现在各种实际产业技术应用中，如通信、雷达和生物成像等技术。在源信号具有统计独立性质的假设下，独立分量分析(ICA)是盲源分离问题最常见和最成功的方法之一。

大多数ICA算法利用以下两个属性中的一个：非高斯、样本依赖。目前已有的相关算法如FastICA、Infomax和RADICAL在非高斯数据上表现良好但忽略了样本依赖性。另外一些相关算法如二阶盲识别算法SOBI、使用时间结构进行盲分离的算法TDSEP和权重调整的二阶盲分离算法WASOBI利用了数据中的样本依赖性，但是没有处理数据非高斯性的能力。

发明内容

针对现有技术的上述不足，本发明提供一种磁共振图像分离方法、系统、终端及存储介质，以解决上述技术问题。

第一方面，本发明提供一种磁共振图像分离方法，包括：

输入代表无混叠图像的N个独立统计的复值信号源并生成混叠信号；

选用互信息率作为分离信号的代价函数；

通过牛顿法优化所述代价函数得到去混叠矩阵；

根据去混叠矩阵和混叠信号计算分离信号并根据分离信号重组分离图像。

进一步的，所述输入代表无混叠图像的N个独立统计的复值信号源并生成混叠信号，包括：

将混叠图像的近似像素组合成图像块并根据图像块像素生成相应的线性混叠矩阵；

根据线性混叠矩阵和N个独立统计的复值信号源生成混叠信号。

进一步的，所述选用互信息率作为分离信号的代价函数，包括：