彌散張量圖像處理與分析.pdf

1、彌散張量成像是20世紀(jì)90年代出現(xiàn)的一種新型的磁共振功能成像技術(shù)。彌散張量成像通過(guò)測(cè)量組織內(nèi)水分子的彌散特性,獲得水分子彌散的方向、量級(jí)和各向異性等信息,進(jìn)而探測(cè)出組織的微觀結(jié)構(gòu)信息。由于其獨(dú)特的成像技術(shù),彌散張量圖像是目前活體顯示大腦的神經(jīng)白質(zhì)纖維束軌跡、心臟的肌肉纖維和脊髓等的唯一途徑。彌散張量成像技術(shù)已經(jīng)被應(yīng)用于抑郁癥、精神分裂癥、多發(fā)性硬化和老年癡呆癥等多種疾病的臨床診斷。
　　 本文的目的是提出有效的算法提高彌散張量圖

2、像的質(zhì)量和分析彌散張量圖像。彌散張量圖像對(duì)于噪聲非常敏感,使其應(yīng)用受到了很大程度的限制。在彌散張量成像過(guò)程中,彌散張量圖像是從一系列彌散加權(quán)圖像進(jìn)行計(jì)算得到。彌散加權(quán)圖像的成像容易受到噪聲污染,使得彌散張量圖像產(chǎn)生偏差,從而影響纖維跟蹤等后續(xù)處理的質(zhì)量。為了降低張量圖像的噪聲,本文提出了基于稀疏表示理論的三維彌散張量圖像降噪算法。該方法首先從三維彌散加權(quán)圖像中通過(guò)K-SVD算法學(xué)習(xí)超完備字典,然后基于稀疏表示理論求解優(yōu)化問(wèn)題去除圖像的噪

3、聲,完成對(duì)彌散張量圖像的降噪。實(shí)驗(yàn)結(jié)果顯示與傳統(tǒng)的降噪算法相比,本文的算法能夠有效地降低了彌散張量圖像的噪聲,很好地保留圖像的對(duì)比度和結(jié)構(gòu)。彌散張量圖像包含了豐富的信息,但是過(guò)高的維數(shù)給圖像的分析帶來(lái)了很大的挑戰(zhàn)。目前常用的基于平均彌散率和分?jǐn)?shù)各向異性等標(biāo)量指標(biāo)只能反映圖像的少量信息,具有一定的局限性。針對(duì)彌散張量圖像的高維特性,本文提出了基于局部保持映射的彌散張量圖像分析算法。該方法首先定義了張量之間的距離計(jì)算準(zhǔn)則,然后根據(jù)局部保持映