磁共振彌散張量成像去噪算法的研究.pdf

1、在磁共振的基礎上,施加雙極性梯度脈沖對分子的彌散運動進行編碼,得到彌散加權圖像(Diffusion Weighted Imaging,DWI),進而施加多個梯度方向獲取DWI圖像,得到每個體素的彌散張量的成像過程,稱為磁共振彌散張量成像(Diffusion Tensor Magnetic Resonance Imaging,DT-MRI/DTI)。DTI是唯一可在活體顯示腦白質纖維束的無創(chuàng)性成像方法,是研究腦功能、腦發(fā)育與診斷白質病變的

2、一種重要工具,所以在理論研究和臨床應用領域引起了極大關注。
　　但是在獲取DWI過程中由于噪聲的影響,張量也往往包含了噪聲干擾的成分,最終影響纖維追蹤及部分各向異性(Fractional Anisotropy,FA)正確性。因此,對DWI圖像進行去噪是進行理論和應用研究的關鍵步驟。目前,DTI圖像去噪還沒有形成一個統(tǒng)一“金標準”,為了尋求符合DTI圖像特征的去噪方法,進行了本論文的研究工作。論文的研究工作主要如下:
　　一方

3、面,對DWI圖像進行去噪算法的研究。研究了LPG-PCA(Local Pixel Grouping-Principle Component Analysis)算法,根據(jù)DWI噪聲的模型,本論文提出將 LPG-PCA應用到 DWI去噪中,和一些經典及新興的算法進行對比, LPG-PCA方法在峰值信噪比上都高于其他算法,在邊緣保護系數(shù)上能與其他相抗衡。更重要在于LPG-PCA去噪后的DWI圖像計算得到主特征向量方向更加一致,所以本算法更有利

4、于纖維追蹤。但是同時存在著個別主特征向量的方向的走向不一致的情況,說明DWI濾除后還是存在一些噪聲,使得計算的特征值和特征向量存在一些偏差,所以有必要對FA再進行去噪處理。
　　另一方面,在DWI圖像去噪的基礎上對FA圖像進行去噪算法的研究。基于體素分析(Voxel-Based Analysis,VBA)的FA圖像之前預處理都是各向同性的高斯濾波器,而且都是基于 FA進行去噪,噪聲濾除是以模糊圖像細節(jié)信息為代價。本論文提出先對DW