[發明專利]一種醫學擴散加權圖像的去噪方法

在審

• 申請號: 202010199653.2
• 申請日: 2020-03-20
• 公開（公告）號: CN111369473A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 劉安琪;賀建峰
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 昆明普發諾拉知識產權代理事務所(特殊普通合伙) 53209
• 代理人: 蔣晗

本發明提供了一種醫學擴散加權圖像的去噪方法，所述方法操作如下：Step1輸入一份帶有噪聲的醫學擴散加權圖像。Step2將含噪圖像分為若干個塊，堆疊相似塊構成相似矩陣。Step3通過WNNM算法對相似矩陣的各個奇異值分配不同的權值。Step4根據分配的權值，奇異值進行收縮變換，建立新的奇異值矩陣，再對新得到的奇異值矩陣進行聚合處理，最終得到降噪后的圖像。通過上述方式，本發明加權核范數降噪算法不僅能夠更好地減少擴散加權圖像中的噪聲，同時也能夠最大限度地保存擴散加權圖像的紋理細節，與其他降噪算法相比降噪效果更加理想，提高了數據的準確度及有效性。

技術領域

本發明涉及醫學圖像處理降噪領域，尤其涉及一種醫學擴散加權圖像的去噪方法。

背景技術

擴散加權圖像(DWI)能夠通過計算得到擴散張量圖像。擴散張量成像技術(DTI)是目前唯一非侵入活體獲取腦白質結構的技術，從擴散張量圖像中能夠盡早發現急性腦梗塞癥狀，也能夠揭示有關大腦神經的一些問題，且廣泛的應用于人體大腦的神經纖維跟蹤，該技術在醫學上具有十分重要的意義。但在DWI圖像的獲取和傳輸的過程中不可避免的會受到一定程度的噪聲干擾，從而影響到DTI數據的準確度以及后續的處理。因此，計算DTI數據之前對DWI圖像進行降噪是非常重要的。

擴散張量成像技術DTI圖像中的每一個體素都是由擴散張量D組成的，擴散張量是一個對稱的正定矩陣，一般用D表示為

DTI圖像是根據Stejskal-Tanner公式對DWI圖像進行計算得到的，而DWI圖像是通過對普通核磁圖像施加擴散敏感梯度脈沖得到的，它能夠檢測機體組織中水分子的擴散狀態。由于擴散張量D是對稱矩陣，因而擴散張量D實際只有6個獨立分量，這6個獨立分量表示的是水分子在不同方向上的擴散系數。

所以令D＝[D_xx D_yy D_zz D_xy D_xz D_yz]^T

具體計算公式為

式中，D為擴散張量，i表示方向數且i≥6，ADC被稱為表觀擴散系數，b_i為第i個方向的擴散敏感系數，用來表示擴散的加權程度。S₀表示未施加敏感梯度脈沖的核磁圖像，S_i為施加了第i個方向的擴散敏感梯度脈沖的DWI圖像。由于擴散張量D有6個獨立分量，所以要計算擴散張量就需要至少6個方程，也就是至少需要6個不同的方向。G為擴散敏感梯度記為

根據式(2)可知DTI圖像的計算源于基準圖像S_o和加權的核磁圖像S_i。而這些圖像在獲取過程中均會受到噪聲污染，且由于S_i是施加了擴散敏感梯的DWI圖像，因此所含噪聲圖像更模糊，使得根據式(1)計算得到的DTI數據不可靠。并且由于式(2)是關于方程組的計算，這個方程組對噪聲十分敏感，即使微小的偏差也會對擴散張量數據產生較大的影響。因此，對DWI進行有效降噪和對DTI的計算及其后續研究都具有非常重要的意義。

目前國內外關于DWI圖像降噪的研究有許多。那些算法均能夠有效地改善DWI圖像的質量，但是這些算法都沒關注到DWI圖像中的紋理細節信息。由于DWI圖像的自相似性程度高，紋理和結構具有重復出現的特性并且紋理細節較多。而加權核范數降噪算法能夠利用圖像自相似性的特點，在整幅圖像中尋找與局部塊相似的圖像塊，將其堆疊在一起形成相似塊矩陣并對相似塊矩陣進行奇異值分解，根據奇異值的不同分配權值，再將相似塊矩陣聚合得到估計原始圖像，從而達到降噪的目的。由于該算法是對整幅圖像中每個局部塊的相似塊進行處理，因而可以更好地保留圖像中的紋理細節。

發明內容