[发明专利]一种基于NMF的MRI和MRSI数据融合方法

摘要

本发明提供了一种基于NMF的MRI和MRSI数据融合方法，首先对病人的MRI数据进行分割，通过在对病人插值后的MRSI数据进行NMF迭代分解的过程中加入MRI的分割信息和灰度信息：有分割线经过的体素对应的h‑map根据MRI灰度数据进行调整，而没有分割线经过的体素对应的h‑map保持不变。然后将融合后的h‑map再次带入MRSI数据的分解过程中直至满足终止条件，从而得到融合结果。本发明融合结果既保留了MRSI数据的高准确性也改善了MRSI数据空间分辨率上的不足，算法流程简单，准确性更优。

主权项

1.一种基于NMF的MRI和MRSI数据融合方法，其特征在于包括以下步骤：S1、将数据进行预处理，包括数据配准、MRI数据和MRSI数据处理；所述数据配准具体包括以下步骤：将MRSI数据的兴趣区域VOI在MRI图像中标识出来，使MRI灰度矩阵与MRSI数据所代表的区域一致，得到MRSI数据VOI区域的MRI灰度矩阵数据Y；所述MRI数据处理具体包括以下步骤：采用水平集分割方法对配准后的MRI灰度矩阵进行分割，得到MRI数据的分割矩阵φ，其中1代表正常组织，‑1代表非正常组织；将MRI灰度矩阵Y与分割矩阵φ按照MRSI体素规模进行划分，得到每个体素对应的灰度矩阵y和分割矩阵所述MRSI数据处理具体包括以下步骤：对MRSI数据X采用NMF乘性更新算法分解，令波源数量为2，波谱和波谱的空间分布h‑map的值均为随机初值；得到两个波谱及其相应的空间分布Hnormal及Habnormal；比较两波谱的NAA/Lips的比值，NAA/Lips比值较大的波谱代表正常组织，较小的波谱代表非正常组织；分别对Hnormal及Habnormal进行二项插值，使插值后的Hnormal及Habnormal与MRI灰度矩阵Y同型，并对插值后的Hnormal和Habnormal按照体素规模进行划分；再由插值后的Hnormal和Habnormal得到空间分布矩阵HIN，由初始波谱矩阵W0与HIN相乘得到MRSI插值数据XIN；S2、数据进行融合：1)采用非负最小二乘法由XIN和HIN得到波谱矩阵W；2)对波谱矩阵W逐列进行迭代更新，对空间分布矩阵HIN逐行进行迭代更新，对更新得到的HIN进行归一化处理，进而得到归一化的HINnormal和HINabnormal；3)根据每个体素块所对应的MRI分割矩阵判定该体素内有无分割线经过，若有分割线经过，则分别对h_INnormal和h_INabnormal进行调整，其中h_INnormal和h_INabnormal为单个体素对应的空间分布矩阵，若无分割线经过，则保持对应的h_INnormal和h_INabnormal不变，则将调整后的h_INnormal和h_INabnormal重新组合成为H_INnormal和H_INabnormal；4)逆归一化得到融合后的HIN；5)返回步骤1)，直至满足迭代终止条件；S3、得到融合后的参考波谱Wnormal和Wabnormal，以及对应的h‑map。