一種基于多組織區(qū)域擬合的mri線圈靈敏度估計方法
【專利摘要】本發(fā)明提供一種基于多組織區(qū)域擬合的MRI線圈靈敏度估計方法,該方法關(guān)鍵點在于:1)區(qū)域增長法確定感興趣區(qū)域,用區(qū)域增長法確定的感興趣區(qū)域能夠保證有足夠多的點和足夠精確的灰度差去估計靈敏度函數(shù);2)多組織區(qū)域的確定:迭代選取多個組織區(qū)域防止外推誤差;3)單線圈估計中的多項式累積,通過累積多項式可以在不放大噪聲的同時精確地估計線圈靈敏度函數(shù)。線圈圖像由于低信噪比不能通過對其進行校正帶入下一次迭代,已有的方法都是在每次迭代中重新利用低階多項式去作為靈敏度的估計,但這樣不能完全的模擬出靈敏度的變化趨勢。本發(fā)明利用一種層次累積的方法,在保證不放大線圈圖像噪聲的情況下對多次迭代的多項式進行累積,能夠更為精確地估計出線圈靈敏度。
【專利說明】一種基于多組織區(qū)域擬合的MRI線圈靈敏度估計方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及模式識別、醫(yī)學(xué)圖像處理的【技術(shù)領(lǐng)域】,具體涉及一種基于多組織區(qū)域擬合的MRI線圈靈敏度估計方法。
【背景技術(shù)】
[0002]本發(fā)明的應(yīng)用背景為:核磁共振成像在其被發(fā)明之后由于其高分辨率、無電離輻射損傷以及任意角度成像等優(yōu)點被廣泛地應(yīng)用于醫(yī)療診斷。目前多線圈成像技術(shù)由于其成像加速和提高圖像信噪比的優(yōu)點而被廣泛地應(yīng)用在成像器械上。但是由于多線圈成像技術(shù)中需要用到多個體表線圈采集信號,而這些線圈具有不均勻的線圈靈敏度,這造成了線圈圖像的灰度值與真實值之間存在一定的偏差。線圈靈敏度是由于接收線圈接收信號的能力與空間位置相關(guān)造成的,當(dāng)激發(fā)信號的人體組織與線圈的距離較大時,線圈接收的信號就比較弱,而與線圈距離較近的組織的信號比較強,這就導(dǎo)致了同一組織的體素在圖像中對應(yīng)的灰度不一致。線圈靈敏度的不均勻會導(dǎo)致合成圖像的灰度不均勻(參見文獻【I IRoemerPB,Edelstein WAj Hayes CE, Souza SPj Mueller 0M.The NMR phased array.Magn ResonMedl990;16:1992-225.)。另外,線圈靈敏度在一些并行MRI成像中也是重建圖像的一個重要參數(shù)。一些并行成像技術(shù)利用線圈陣列的空間信息進行空間編碼,通過減少相位步數(shù)編碼來加快掃描速度。只有準(zhǔn)確計算出線圈靈敏度才能復(fù)原出完整的線圈圖像(參見文獻【2】Roemer PB,Edelstein WAj Hayes CE,Souza SPj Mueller OM.The NMR phased array.MagnReson Medl990;16:1992-225.)。
[0003]相關(guān)現(xiàn)有技術(shù)為:
[0004]方案一
[0005]方案名稱:基于體線圈的線圈靈敏度估計(參見文獻【2】Roemer PB, EdelsteinWAj Hayes CE, Souza SP,Mueller 0M.The NMR phased array.Magn ResonMedl990;16:1992-225.)
[0006]算法思想:在進行正式掃描前,使用特殊的靈敏度采集裝置首先得到體線圈的低分辨率的全FOV圖像;然后得到相控陣列線圈中每個低分辨率的全FOV圖像。把體線圈作為參考圖像,用每個線圈圖像除以體線圈得到每個線圈的原始靈敏度,然后進行光滑處理。
[0007]算法缺點:對病人進行預(yù)掃描,需要用到額外的硬件設(shè)備,增加掃描時間。并且由于要進行兩次掃描,如果病人在正式掃描和預(yù)掃描的位置發(fā)生了變化,使得線圈靈敏度與掃描對象之間存在偏差,造成運動偽影。
[0008]方案二
[0009]方案名稱:基于低通濾波的線圈靈敏度估計(參見文獻【3】Brinkmann BH, ManducaA, Robb RA.0ptimized homomorphic unsharp masking for MR grayscale inhomogeneitycorrection.1EEE Trans Med Imagingl998;17:161-171.)
[0010]算法思想:將線圈靈敏度看作是一個低頻的、緩慢變化的偏差場,對線圈圖像進行低通濾波,提取出圖像的低頻信息即為線圈靈敏度的估計[0011]算法缺點:線圈靈敏度與圖像的低頻信息存在混疊,低通濾波的頻率不好確定。在圖像的高對比度區(qū)域存在邊界效應(yīng),邊界處的細(xì)節(jié)被損失,需要進行平滑處理。
[0012]方案三
[0013]方案名稱:基于主要組織提取的線圈靈敏度估計(參見文獻【4】VemUriP,Kholmovski E,Parker D,Chapman B.Coil sensitivity estimation for optimal SNRreconstruction and intensity inhomogeneity correction in phased array MRIimaging.1n:Proceedings of the19thInternational Conference of IPMIj GlenwoodSprings, CO,USA, 2005.p405_421.)
[0014]算法思想:利用同一組織內(nèi)的體素灰度值一致的假設(shè),首先把單線圈圖像利用SoS方法合成,利用組織分布灰度直方圖服從混合高斯分布的性質(zhì)從合成的圖像中提取出一個大致的組織區(qū)域,根據(jù)此組織區(qū)域內(nèi)的灰度變化外推出整個FOV區(qū)域的靈敏度函數(shù)。通過迭代更新此主要組織區(qū)域。[0015]算法缺點:各個組織的分布已經(jīng)被線圈靈敏度造成的非均勻性破壞,不再服從混合高斯分布,尋找的區(qū)域偏差大,對外推的影響較大。并且如果組織不是均勻分布在圖像中,則外推的誤差非常大。對線圈靈敏度的估計無法達到精確。迭代只更新了組織區(qū)域,每次仍重新用二階多項式外推,無法精確逼近線圈靈敏度函數(shù)。
【發(fā)明內(nèi)容】
[0016]本發(fā)明目的為:1)、能夠較為精確地估計出線圈靈敏度;2)、估計方法不依賴于其他設(shè)備;3)、估計方法運算速度滿足實時要求。
[0017]本發(fā)明技術(shù)方案為:一種基于多組織區(qū)域擬合的MRI線圈靈敏度估計方法,利用圖像的梯度信息確定組織區(qū)域,既保證了區(qū)域的準(zhǔn)確性又保持了較大的灰度差,同時利用多項式累積來增加擬合精度,該方法的具體流程如下:
[0018]1、預(yù)處理
[0019]在進行估計之前要對原始的線圈圖像進行去噪處理,預(yù)處理還包括了圖像的外輪廓提取,剔除邊緣的背景區(qū)域;
[0020]2、感興趣區(qū)域的確定
[0021]利用區(qū)域增長法,首先感興趣區(qū)域通過確定一些種子點來初始化,通過對這些種子點的鄰居判斷是否與種子相似來決定是否將其加入感興趣區(qū)域,具體步驟如下:
[0022]2.1、種子區(qū)域的選取
[0023]種子點組成了種子區(qū)域,種子點以較大的概率屬于同一組織區(qū)域,定義一個指示器M(r)來標(biāo)記一個體素是否屬于種子區(qū)域,當(dāng)一個體素r屬于種子區(qū)域時,M(r) = 1,否貝U,M(r) = O,通過以下的規(guī)則決定M(r):
【權(quán)利要求】
1.一種基于多組織區(qū)域擬合的MRI線圈靈敏度估計方法,其特征在于,利用圖像的梯度信息確定組織區(qū)域,既保證了區(qū)域的準(zhǔn)確性又保持了較大的灰度差,同時利用多項式累積來增加擬合精度,該方法的具體流程如下: .1、預(yù)處理 在進行估計之前要對原始的線圈圖像進行去噪處理,預(yù)處理還包括了圖像的外輪廓提取,剔除邊緣的背景區(qū)域; .2、感興趣區(qū)域的確定 利用區(qū)域增長法,首先感興趣區(qū)域通過確定一些種子點來初始化,通過對這些種子點的鄰居判斷是否與種子相似來決定是否將其加入感興趣區(qū)域,具體步驟如下:. 2.1、種子區(qū)域的選取 種子點組成了種子區(qū)域,種子點以較大的概率屬于同一組織區(qū)域,定義一個指示器M(r)來標(biāo)記一個體素是否屬于種子區(qū)域,當(dāng)一個體素r屬于種子區(qū)域時,M(r) = 1,否則,M(r) = O,通過以下的規(guī)則決定M(r):
【文檔編號】G06T7/00GK103632367SQ201310617979
【公開日】2014年3月12日 申請日期:2013年11月27日 優(yōu)先權(quán)日:2013年11月27日
【發(fā)明者】凌強, 李朝輝, 宋凱凱, 李峰 申請人:中國科學(xué)技術(shù)大學(xué)