DTI圖像去噪方法研究.pdf

1、擴(kuò)散張量成像(DTI)是新近發(fā)展起來的一種成像方式。這種成像技術(shù)通過水分子擴(kuò)散引起的磁共振信號(hào)衰減來獲得生物體內(nèi)水?dāng)U散的方向、量級(jí)和各向異性等信息。由于DTI可以提供其他成像方式(如斷層掃描成像--CT，傳統(tǒng)核磁共振成像--MRI)所不能提供的白質(zhì)纖維走行等獨(dú)特信息，且具有非侵入和不需要造影劑等優(yōu)點(diǎn)，所以在理論研究和臨床應(yīng)用領(lǐng)域均引起了極大關(guān)注。特別是，擴(kuò)散張量神經(jīng)纖維束成像技術(shù)是目前非侵入獲得活體白質(zhì)結(jié)構(gòu)的唯一手段，因此具有重要的臨床

2、價(jià)值。 由于DTI數(shù)據(jù)的信噪比較低，會(huì)影響張量場數(shù)據(jù)可視化的效果。特別是進(jìn)行白質(zhì)束等纖維結(jié)構(gòu)走行的跟蹤時(shí)，被噪聲污染的張量表現(xiàn)在方向排列上雜亂、不規(guī)則，使得跟蹤出來的纖維結(jié)構(gòu)不夠平滑，甚至得到錯(cuò)誤的結(jié)果，大大限制了DTI的應(yīng)用。因此，對(duì)圖像或者張量場進(jìn)行恢復(fù)(去噪)處理是進(jìn)行理論和應(yīng)用研究的關(guān)鍵環(huán)節(jié)。 DTI圖像具有向量特性，對(duì)其進(jìn)行去噪處理一直是擴(kuò)散張量數(shù)據(jù)處理研究領(lǐng)域的熱點(diǎn)和難點(diǎn)問題。迄今為止，還沒有DTI圖像平滑的

3、“金”標(biāo)準(zhǔn)。為了尋找適合DTI圖像特征的去噪方法，本論文結(jié)合有關(guān)科研項(xiàng)目，在對(duì)DTI進(jìn)行噪聲性能分析的基礎(chǔ)上研究了適用于DTI的圖像去噪方法，并基于模擬和真實(shí)數(shù)據(jù)對(duì)所提出的圖像去噪方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，本論文主要研究工作包括以下幾點(diǎn)： 第一，對(duì)DTI圖像的噪聲性能進(jìn)行了分析。為了定量和定性評(píng)價(jià)DTI圖像的噪聲性能，進(jìn)行了噪聲分析。通過大量實(shí)驗(yàn)有了新的發(fā)現(xiàn)：負(fù)定張量場出現(xiàn)的概率與張量最大特征向量的指向有關(guān)，在各向異性程度相同的情況下

4、最大特征向量的指向不同，則負(fù)定張量出現(xiàn)的可能性也存在差異。 第二，研究了基于模擬回火退火法的DTI隨機(jī)場模型。擴(kuò)散過程是一個(gè)高斯馬爾可夫過程，論文提出了用高斯馬爾可夫隨機(jī)場對(duì)DTI圖像進(jìn)行建模。為了使得結(jié)果最優(yōu)同時(shí)又避免陷入局部最小的陷阱，采用了模擬回火退火方法進(jìn)行最優(yōu)估計(jì)。與傳統(tǒng)模擬退火方法相比，回火退火方法去噪效果更佳且能避免陷入局部最小的陷阱。 第三，研究了DTI圖像去噪的復(fù)擴(kuò)散模型，并提出了新的復(fù)擴(kuò)散模型。現(xiàn)有的

5、DTI圖像去噪大多采用實(shí)擴(kuò)散模型，因?yàn)閺?fù)擴(kuò)散模型具有良好的去噪性能，比較適合處理DTI這類包含強(qiáng)噪聲影響的圖像，因此論文采用復(fù)擴(kuò)散模型恢復(fù)DTI圖像。通過實(shí)驗(yàn)證明復(fù)擴(kuò)散模型在信噪比低的時(shí)候?yàn)V波效果優(yōu)于實(shí)擴(kuò)散模型。根據(jù)DTI圖像的向量特性，把復(fù)擴(kuò)散模型從標(biāo)量推廣到向量，得到了向量復(fù)擴(kuò)散模型，其去噪性能優(yōu)于標(biāo)量復(fù)擴(kuò)散模型也優(yōu)于向量實(shí)擴(kuò)散方程，是DTI圖像平滑的較理想選擇。 第四，提出了新的仿射不變梯度向量偏微分方程(partiald

6、ifferentialequation，PDE)。仿射不變梯度的偏微分方程除了具有常規(guī)歐幾里德梯度不變偏微分方程的優(yōu)點(diǎn)之外還具有仿射不變的特性。論文研究了仿射不變PDE方程在：DTI圖像去噪中的應(yīng)用，并對(duì)該模型進(jìn)行推廣，得到了新的仿射不變梯度向量擴(kuò)散模型。大量實(shí)驗(yàn)證明，向量模型的濾波性能優(yōu)于標(biāo)量模型。 第五，研究了向量小波去噪模型。結(jié)合DTI圖像噪聲特性和多通道向量小波的優(yōu)點(diǎn)，得到了新的向量小波去噪模型，該模型通過圖像模平方后進(jìn)

7、行向量小波濾波處理，有效地去除了噪聲影響。 第六，研究了混合濾波模型。小波濾波方法和PDE濾波方法是圖像去噪的兩個(gè)重要方法，但兩者都存在缺陷。小波閾值處理會(huì)產(chǎn)生Gibbs現(xiàn)象，而PDE方法會(huì)帶來“階梯”效應(yīng)。為了使兩者優(yōu)勢互補(bǔ)，論文研究了一種新的混合濾波模型，該模型在向量小波變換的基礎(chǔ)上對(duì)小波系數(shù)進(jìn)行向量擴(kuò)散。研究表明，該混合濾波模型具有了兩種模型的優(yōu)點(diǎn)，即濾波速度快和濾波效果佳，是一種比較理想的濾波模型。 本論文的研究