一种基于多组织区域拟合的mri线圈灵敏度估计方法
【专利摘要】本发明提供一种基于多组织区域拟合的MRI线圈灵敏度估计方法，该方法关键点在于：1）区域增长法确定感兴趣区域，用区域增长法确定的感兴趣区域能够保证有足够多的点和足够精确的灰度差去估计灵敏度函数；2）多组织区域的确定：迭代选取多个组织区域防止外推误差；3）单线圈估计中的多项式累积，通过累积多项式可以在不放大噪声的同时精确地估计线圈灵敏度函数。线圈图像由于低信噪比不能通过对其进行校正带入下一次迭代，已有的方法都是在每次迭代中重新利用低阶多项式去作为灵敏度的估计，但这样不能完全的模拟出灵敏度的变化趋势。本发明利用一种层次累积的方法，在保证不放大线圈图像噪声的情况下对多次迭代的多项式进行累积，能够更为精确地估计出线圈灵敏度。
【专利说明】一种基于多组织区域拟合的MRI线圈灵敏度估计方法
【技术领域】
[0001] 本发明涉及模式识别、医学图像处理的【技术领域】，具体涉及一种基于多组织区域拟合的MRI线圈灵敏度估计方法。
【背景技术】
[0002]本发明的应用背景为:核磁共振成像在其被发明之后由于其高分辨率、无电离辐射损伤以及任意角度成像等优点被广泛地应用于医疗诊断。目前多线圈成像技术由于其成像加速和提高图像信噪比的优点而被广泛地应用在成像器械上。但是由于多线圈成像技术中需要用到多个体表线圈采集信号，而这些线圈具有不均匀的线圈灵敏度，这造成了线圈图像的灰度值与真实值之间存在一定的偏差。线圈灵敏度是由于接收线圈接收信号的能力与空间位置相关造成的，当激发信号的人体组织与线圈的距离较大时，线圈接收的信号就比较弱，而与线圈距离较近的组织的信号比较强，这就导致了同一组织的体素在图像中对应的灰度不一致。线圈灵敏度的不均匀会导致合成图像的灰度不均匀(参见文献【I IRoemerPB，Edelstein WAj Hayes CE, Souza SPj Mueller 0M.The NMR phased array.Magn ResonMedl990;16:1992-225.)。另外，线圈灵敏度在一些并行MRI成像中也是重建图像的一个重要参数。一些并行成像技术利用线圈阵列的空间信息进行空间编码，通过减少相位步数编码来加快扫描速度。只有准确计算出线圈灵敏度才能复原出完整的线圈图像(参见文献【2】Roemer PB，Edelstein WAj Hayes CE,Souza SPj Mueller OM.The NMR phased array.MagnReson Medl990;16:1992-225.)。
[0003]相关现有技术为:
[0004]方案一
[0005]方案名称:基于体线圈的线圈灵敏度估计(参见文献【2】Roemer PB, EdelsteinWAj Hayes CE, Souza SP，Mueller 0M.The NMR phased array.Magn ResonMedl990;16:1992-225.)
[0006]算法思想:在进行正式扫描前，使用特殊的灵敏度采集装置首先得到体线圈的低分辨率的全FOV图像；然后得到相控阵列线圈中每个低分辨率的全FOV图像。把体线圈作为参考图像，用每个线圈图像除以体线圈得到每个线圈的原始灵敏度，然后进行光滑处理。
[0007]算法缺点:对病人进行预扫描，需要用到额外的硬件设备，增加扫描时间。并且由于要进行两次扫描，如果病人在正式扫描和预扫描的位置发生了变化，使得线圈灵敏度与扫描对象之间存在偏差，造成运动伪影。
[0008]方案二
[0009]方案名称:基于低通滤波的线圈灵敏度估计(参见文献【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:将线圈灵敏度看作是一个低频的、缓慢变化的偏差场，对线圈图像进行低通滤波，提取出图像的低频信息即为线圈灵敏度的估计[0011]算法缺点:线圈灵敏度与图像的低频信息存在混叠，低通滤波的频率不好确定。在图像的高对比度区域存在边界效应，边界处的细节被损失，需要进行平滑处理。
[0012]方案三
[0013]方案名称:基于主要组织提取的线圈灵敏度估计(参见文献【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:利用同一组织内的体素灰度值一致的假设，首先把单线圈图像利用SoS方法合成，利用组织分布灰度直方图服从混合高斯分布的性质从合成的图像中提取出一个大致的组织区域，根据此组织区域内的灰度变化外推出整个FOV区域的灵敏度函数。通过迭代更新此主要组织区域。[0015]算法缺点:各个组织的分布已经被线圈灵敏度造成的非均匀性破坏，不再服从混合高斯分布，寻找的区域偏差大，对外推的影响较大。并且如果组织不是均匀分布在图像中，则外推的误差非常大。对线圈灵敏度的估计无法达到精确。迭代只更新了组织区域，每次仍重新用二阶多项式外推，无法精确逼近线圈灵敏度函数。
【发明内容】
[0016]本发明目的为:1)、能够较为精确地估计出线圈灵敏度；2)、估计方法不依赖于其他设备；3)、估计方法运算速度满足实时要求。
[0017]本发明技术方案为:一种基于多组织区域拟合的MRI线圈灵敏度估计方法，利用图像的梯度信息确定组织区域，既保证了区域的准确性又保持了较大的灰度差，同时利用多项式累积来增加拟合精度，该方法的具体流程如下:
[0018]1、预处理
[0019]在进行估计之前要对原始的线圈图像进行去噪处理，预处理还包括了图像的外轮廓提取，剔除边缘的背景区域；
[0020]2、感兴趣区域的确定
[0021]利用区域增长法，首先感兴趣区域通过确定一些种子点来初始化，通过对这些种子点的邻居判断是否与种子相似来决定是否将其加入感兴趣区域，具体步骤如下:
[0022]2.1、种子区域的选取
[0023]种子点组成了种子区域，种子点以较大的概率属于同一组织区域，定义一个指示器M(r)来标记一个体素是否属于种子区域，当一个体素r属于种子区域时，M(r) = 1，否贝U，M(r) = O,通过以下的规则决定M(r):
【权利要求】
1.一种基于多组织区域拟合的MRI线圈灵敏度估计方法，其特征在于，利用图像的梯度信息确定组织区域，既保证了区域的准确性又保持了较大的灰度差，同时利用多项式累积来增加拟合精度，该方法的具体流程如下: .1、预处理 在进行估计之前要对原始的线圈图像进行去噪处理，预处理还包括了图像的外轮廓提取，剔除边缘的背景区域； .2、感兴趣区域的确定 利用区域增长法，首先感兴趣区域通过确定一些种子点来初始化，通过对这些种子点的邻居判断是否与种子相似来决定是否将其加入感兴趣区域，具体步骤如下:. 2.1、种子区域的选取 种子点组成了种子区域，种子点以较大的概率属于同一组织区域，定义一个指示器M(r)来标记一个体素是否属于种子区域，当一个体素r属于种子区域时，M(r) = 1，否则，M(r) = O,通过以下的规则决定M(r):
【文档编号】G06T7/00GK103632367SQ201310617979
【公开日】2014年3月12日 申请日期:2013年11月27日 优先权日:2013年11月27日
【发明者】凌强, 李朝辉, 宋凯凯, 李峰 申请人:中国科学技术大学