科创中国

本发明提供了一种去除磁共振弥散张量成像噪声的方法和系统，其方法基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散加权图像的稀疏性，采用最大后验概率估计的方法直接由K空间数据获得每一个空间位置所对应的去噪后的弥散张量矩阵。本发明可以避免图像去噪的误差对弥散张量估计的影响，可以更有效地抑制弥散张量中的噪声，提高弥散张量的估计精度。一种去除磁共振弥散张量成像噪声的方法，其包括：图像数据获取步骤：获取磁共振弥散加权图像所对应的K空间数据.

去噪步骤：基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散加权图像的稀疏性，采用最大后验概率估计的方法由所述K空间数据获得每一个空间位置所对应的去噪后的弥散张量矩阵；弥散参数计算步骤：基于所述去噪后的弥散张量矩阵，获得弥散参数图；所述去噪步骤包括：基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用弥散加权图像的稀疏性，采用最大后验概率估计的方法构建去噪函数模型，所述去噪函数模型参见如下述公式(1)：其中，表示弥散张量矩阵的估计值；R(·)是作用于弥散加权图像ρm的稀疏约束函数，λ为相应的正则化参数；dm为第m个弥散加权图像所对应的K空间数据；F表示傅立叶编码矩阵；表示第m个弥散加权图像ρm，其中，I0表示无弥散加权的参考图像，为第m个弥散加权图像的相位，b是弥散加权因子，gm是第m个弥散加权图像所对应的弥散梯度向量gm＝(gxm,gym,gzm)T。

弥散张量成像(Diffusion Tensor Imaging DTI)是在弥散加权成像(Diffusion Weighted Imaging DWI)基础上发展起来的新的成像方法，其利用水分子的弥散各向异性 进行成像，可无损的从微观领域评价组织结构的完整性，为疾病的预防、诊断及治疗提供更 多的信息。但是，相比其他的磁共振成像技术，DTI需要较长的扫描时间，且信噪比较低。

[0003] 为了提高弥散张量成像的信噪比，目前较为直接的方法是通过多次采样取平均和 减小K空间采样区域的方法。这些方法在实际中有一定的应用，但会增加扫描时间和影响空 间分辨率。另一种常见的方法是在获取K空间扫描数据后，首先重建出弥散加权图像，然后 再运用信号处理的方法对图像进行去噪，最后，通过去噪后的图像计算弥散张量及各种弥 散参数，用以生成弥散张量成像图。该方法应用较广，但图像去噪过程中的系统误差有可能 会进一步传递到后续的张量计算中，进而影响各种弥散参数图像的质量。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

基于上述方法，本发明还提供了一种去除磁共振弥散张量成像噪声的系统，其包 括：

[0023] 图像数据获取模块，用于获取磁共振弥散加权图像所对应的K空间数据；

[0024] 去噪模块，用于基于磁共振弥散加权成像模型和采样噪声的高斯分布性质，利用 弥散加权图像的稀疏性，采用最大后验概率估计的方法获得每一个空间位置所对应的去噪 后的弥散张量矩阵;及[0025]弥散参数计算模块，用于基于所述去噪后的弥散张量矩阵，获得弥散参数图。

本发明提出利用弥散加权图像的稀疏性，直接通过获取的Κ空间数据对弥散张量 进行去噪成像的方法，该方法略过了传统的图像去噪的步骤，避免了图像去噪的误差对弥 散张量估计的影响，可以更有效地抑制弥散张量中的噪声，提高弥散张量的估计精度。

技术合作

本发明运用弥散加权图像的固有特性(如稀疏性），直接通过采集的K空 间数据获取去噪后的弥散张量矩阵，相比现有技术，其不需要通过增加采样次数或者减少Κ 空间采样区域的方法，就可以提高弥散张量成像的信噪比，且还不需要通过对重建的弥散 加权图像进行去噪处理来获取弥散张量矩阵及相关弥散参数，从而免除了图像去噪中的误 差对弥散张量估计的影响，有效抑制了弥散张量中的噪声，提高了弥散张量估计的精度。

[0086] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并 不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员 来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保 护范围。因此，本发明专利的保护范围应以所附权利要求为准。