本发明公开了一种基于空间信息与物理先验的弥散张量估计方法。该方法包括:通过将全采样的磁共振弥散加权数据拟合成张量数据,获得参考张量图;在全采样的磁共振弥散加权数据中,选取六个方向的磁共振弥散加权数据,并提取出多个三维体素块;将所述参考张量图和所提取的多个三维体素块输入到深度学习模型进行训练,并且在训练过程输入物理先验信息;利用经训练的深度学习模型针对目标磁共振弥散加权数据在线估计弥散张量。本发明充分考虑了物理先验和相邻像素的空间信息,可以在少量DWI图像的基础上得到更准确和鲁棒的张量估计,有利于缩短弥散张量图像的扫描时间。
权利要求
1.一种基于空间信息与物理先验的弥散张量估计方法,包括以下步骤:
通过将全采样的磁共振弥散加权数据拟合成张量数据,获得参考张量图;
在全采样的磁共振弥散加权数据中,选取六个方向的磁共振弥散加权数据,并提取出多个三维体素块;
将所述参考张量图和所提取的多个三维体素块输入到深度学习模型进行训练,并且在训练过程输入物理先验信息;
利用经训练的深度学习模型针对目标磁共振弥散加权数据在线估计弥散张量。
2.根据权利要求1所述的方法,其特征在于,所述物理先验信息是张量信号的先验信息、弥散信号的先验信息或者弥散信号与张量信号的混合先验信息。
3.根据权利要求1所述的方法,其特征在于,所述物理先验信息是通过拟合六张磁共振弥散加权数据图像获得张量估计图,或者是磁共振弥散加权数据图像的空间域和角度域的稀疏编码。
磁共振弥散成像技术包括弥散加权成像(DWI)和弥散张量成像(DTI)。标准的张量拟合方法主要是最小二乘法和各种基于最小二乘法的变体,如加权最小二乘法,这些传统方法需要大量的测量来精确估计张量。虽然扩散张量只有6个自由度,但已有研究建议在球上均匀分布扩散编码方向,获得至少30个测量值。如果可能的话,建议将测量次数增加到远大于30次,以便实现更准确、更稳健的张量估计。如果在至少30个独特的方向上获取测量结果,将导致扫描时间很长,这对于某些类型的病人,如婴幼儿或老人,可能很难实现。因此,利用更少的测量数据来准确地估计扩散张量的方案非常可取,机器学习方法在这方面具有较大潜力。与标准张量拟合方法不同,机器学习不需要对扩散信号和噪声假设任何生物物理模型,直接从训练数据中学习从扩散信号到张量的映射,并且还能够有效地学习扩散信号中的空间相关性和感兴趣的参数。
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。
与现有技术相比,本发明的优点在于,提出一种基于深度学习的弥散张量估计方法,考虑了物理先验和相邻像素的空间信息,能够充分挖掘相邻像素间弥散信号与张量间的关系,并且所提出的张量估计模型具有鲁棒性,可以从较少的弥散加权图像估计出准确的弥散张量,进而得到准确的弥散各向异性分数等指标,解决了获取较多高质量弥散加权图像扫描时间过长的问题,可用于研究脑部白质的发育和退化。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
技术合作
本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。