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(dāng)前研究活體組織纖維結(jié)構(gòu)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(jié)構(gòu)的病理學(xué)變異，具有重要的臨床意義和社會經(jīng)濟效益。但是，心臟DT-MRI技術(shù)極易受噪聲的干擾，并且采集到的擴散加權(quán)

2、信號強度較弱，使得擴散加權(quán)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(jié)構(gòu)信息獲取與重構(gòu)的可行性，制約了心臟DT-MRI技術(shù)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(yīng)用首先要解決的關(guān)鍵問題。
　　基本稀疏表達去噪算法應(yīng)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(chǎn)生去噪偽影

3、。針對這個問題，提出一種參數(shù)自適應(yīng)的變分正則化約束稀疏去噪算法。自適應(yīng)參數(shù)能夠依據(jù)各點的濾波程度調(diào)節(jié)保真項和平滑項的權(quán)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(jié)構(gòu)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(yīng)的圖像結(jié)構(gòu)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(jù)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(gòu)造結(jié)構(gòu)自適應(yīng)的階躍原子。采用DCT函數(shù)、Haar函數(shù)和結(jié)構(gòu)自適應(yīng)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(guān)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(shù)據(jù)訓(xùn)練算法構(gòu)造特征自適應(yīng)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(guān)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(fù)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(guān)系，提出基于圖像自相似性的結(jié)構(gòu)自適應(yīng)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(chǔ)上，將圖像中的相似塊聚合成三維數(shù)據(jù)，采用結(jié)構(gòu)自適應(yīng)窗從相似塊集合中提取出結(jié)構(gòu)自適應(yīng)三維數(shù)據(jù)，應(yīng)用主成分分析對三維數(shù)據(jù)做變換域去噪。算法適用于結(jié)構(gòu)冗余度高的圖像，避免了去噪偽影，實現(xiàn)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