基于稀疏表達的人體心臟磁共振擴散張量圖像的去噪研究.pdf

1、磁共振擴散張量成像（Magnetic Resonance Diffusion Tensor Imaging,DT-MRI）能夠在分子水平上提供生物組織的功能性信息，是當前研究活體組織纖維結構的唯一非入侵方法?；贒T-MRI的人體心臟功能性分析和心肌纖維束重建是一個全新的課題，將其用于研究心血管疾病的擴散張量特性改變和纖維結構的病理學變異，具有重要的臨床意義和社會經濟效益。但是，心臟DT-MRI技術極易受噪聲的干擾，并且采集到的擴散加權

2、信號強度較弱，使得擴散加權圖像的信噪比和對比度都低于普通磁共振圖像。如果不能有效的濾除圖像中的噪聲，則計算得到的擴散張量的準確性就無法保證，這將極大的降低心肌纖維結構信息獲取與重構的可行性，制約了心臟DT-MRI技術的發(fā)展。本課題將研究基于稀疏表達的人體心臟DT-MRI的去噪，這是心臟DT-MRI應用首先要解決的關鍵問題。
　　基本稀疏表達去噪算法應用于心臟DT-MRI圖像去噪時，對正則化程度低的區(qū)域容易濾波不足，并且產生去噪偽影

3、。針對這個問題，提出一種參數自適應的變分正則化約束稀疏去噪算法。自適應參數能夠依據各點的濾波程度調節(jié)保真項和平滑項的權重，從而將去噪過程中殘留的噪聲和偽影通過正則項濾除，將丟失的結構信息通過保真項進行補償，提高了稀疏表達的去噪效果。
　　為了提高具有多成分特性的心臟DT-MRI圖像與字典的匹配度，改善非穩(wěn)定點對應的圖像結構特征的去噪效果，提出一種多成分圖像的分區(qū)稀疏去噪算法。根據圖像的非穩(wěn)定度，將多成分圖像分割為不同的單元，并且為

4、不同成分間的過渡區(qū)域構造結構自適應的階躍原子。采用DCT函數、Haar函數和結構自適應階躍原子組成混合字典，對各單元分別進行去噪處理。
　　利用心臟DT-MRI序列中相鄰層圖像的空間相關性，提出一種序列圖像的三維稀疏去噪算法。該算法把稀疏去噪擴展到三維空間，并且采用K-SVD數據訓練算法構造特征自適應的三維字典，使得三維原子具有與三維圖像相一致的空間相關性。算法適用于心臟DT-MRI序列的稀疏去噪，能夠有效的保留各層獨有的特征，恢

5、復圖像的細節(jié)信息。
　　基于心臟DT-MRI圖像的自相似性與稀疏性間的隱含關系，提出基于圖像自相似性的結構自適應稀疏去噪算法。該算法定義了一種具有閾值約束的相似性測度，在此基礎上，將圖像中的相似塊聚合成三維數據，采用結構自適應窗從相似塊集合中提取出結構自適應三維數據，應用主成分分析對三維數據做變換域去噪。算法適用于結構冗余度高的圖像，避免了去噪偽影，實現了去噪圖像對比度和平滑性的平衡。
　　最后，采用離體的人體心臟DT-MR