[發明專利]一種基于NMF的MRI和MRSI數據融合方法

有效

• 申請號: 201410522812.2
• 申請日: 2014-10-07
• 公開（公告）號: CN104268885B
• 公開（公告）日: 2018-08-24
• 發明（設計）人: 李雨謙;劉鑫;皮亦鳴;李晉;閔銳;楊曉波;范錄宏
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/50;A61B5/055
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 葛啟函

1.一種基于NMF的MRI和MRSI數據融合方法，其特征在于包括以下步驟：

S1、將數據進行預處理，包括數據配準、MRI數據和MRSI數據處理；所述數據配準具體包括以下步驟：將MRSI數據的興趣區域VOI在MRI圖像中標識出來，使MRI灰度矩陣與MRSI數據所代表的區域一致，得到MRSI數據VOI區域的MRI灰度矩陣數據Y；

所述MRI數據處理具體包括以下步驟：

采用水平集分割方法對配準后的MRI灰度矩陣進行分割，得到MRI數據的分割矩陣φ，其中1代表正常組織，-1代表非正常組織；

將MRI灰度矩陣Y與分割矩陣φ按照MRSI體素規模進行劃分，得到每個體素對應的灰度矩陣y和分割矩陣

所述MRSI數據處理具體包括以下步驟：

對MRSI數據X采用NMF乘性更新算法分解，令波源數量為2，波譜和波譜的空間分布h-map的值均為隨機初值；

得到兩個波譜及其相應的空間分布H_normal及H_abnormal；

比較兩波譜的NAA/Lips的比值，NAA/Lips比值較大的波譜代表正常組織，較小的波譜代表非正常組織；

分別對H_normal及H_abnormal進行二項插值，使插值后的H_normal及H_abnormal與MRI灰度矩陣Y同型，并對插值后的H_normal和H_abnormal按照體素規模進行劃分；

再由插值后的H_normal和H_abnormal得到空間分布矩陣H_IN，由初始波譜矩陣W₀與H_IN相乘得到MRSI插值數據X_IN；

S2、數據進行融合：

1)采用非負最小二乘法由X_IN和H_IN得到波譜矩陣W；

2)對波譜矩陣W逐列進行迭代更新，對空間分布矩陣H_IN逐行進行迭代更新，對更新得到的H_IN進行歸一化處理，進而得到歸一化的H_INnormal和H_INabnormal；

3)根據每個體素塊所對應的MRI分割矩陣判定該體素內有無分割線經過，若有分割線經過，則分別對h_INnormal和h_INabnormal進行調整，其中h_INnormal和h_INabnormal為單個體素對應的空間分布矩陣，若無分割線經過，則保持對應的h_INnormal和h_INabnormal不變，則將調整后的h_INnormal和h_INabnormal重新組合成為H_INnormal和H_INabnormal；

4)逆歸一化得到融合后的H_IN；

5)返回步驟1)，直至滿足迭代終止條件；

S3、得到融合后的參考波譜W_normal和W_abnormal，以及對應的h-map。

2.如權利要求1所述的基于NMF的MRI和MRSI數據融合方法，其特征在于，在步驟2)中，所述對波譜矩陣W逐列進行迭代更新的更新規則為：

式(1)中，X_IN為MRSI數據矩陣插值數據，W_:l為矩陣W第l列，()_lk為矩陣第l行k列。

3.如權利要求1所述的基于NMF的MRI和MRSI數據融合方法，其特征在于，在步驟2)中，所述對空間分布矩陣H_IN逐行進行迭代更新的更新規則為：

式(2)中，X_IN為MRSI數據矩陣插值數據，H_INl:為矩陣H_IN第l行，()_lk為矩陣第l行k列。

4.如權利要求1所述的基于NMF的MRI和MRSI數據融合方法，其特征在于，在步驟5)中，所述終止條件為：

式(5)中，W^k+1為第k+1次迭代結果，W^k為第k次迭代結果，corr(x,y)為兩個向量相關系數。