[發明專利]一種擴散張量成像參數量化方法、系統、設備和介質

在審

• 申請號: 202310088128.7
• 申請日: 2023-01-19
• 公開（公告）號: CN115984404A
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 張鑫媛;陳韞瑋;張志誠;馮衍秋
• 申請（專利權）人: 南方醫科大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/0464;G06N3/0455;G06N3/08
• 代理公司: 廣州新諾專利商標事務所有限公司 44100
• 代理人: 周端儀;梁偉

本發明提供了一種擴散張量成像參數量化方法、系統、設備和介質，其中方法包括：獲取dMRI數據{Ssubgt;0/subgt;,Ssubgt;b/subgt;(gsubgt;n/subgt;),n＝1,2,…,N}，以及獲取dMRI數據對應的b值和擴散編碼方向gsubgt;n/subgt;；根據擴散編碼方向gsubgt;n/subgt;，求取球諧函數對dMRI數據進行數據變換，得到擴散衰減圖像，并根據擴散衰減圖像和球諧函數的復共軛計算球諧系數圖；將球諧系數圖輸入已構建的深度學習網絡，得到DTI擴散張量場；根據DTI擴散張量場，計算得到DTI量化參數圖。本發明能夠提高DTI擴散張量估計的準確性，進而提高DTI量化參數的準確性，為精準醫療提供可靠的量化依據。

技術領域

本發明屬于磁共振技術領域，尤其涉及一種擴散張量成像參數量化方法、系統、設備和介質。

背景技術

擴散磁共振成像(Diffusion?Magnetic?Resonance?Imaging，dMRI)可以對活體組織中水分子的擴散運動進行無創映射，是臨床重要檢查手段之一。擴散張量成像(Diffusion?tensor?imaging,DTI)是一種常見的擴散磁共振成像方式，需要采集至少一副非擴散加權圖像和六幅擴散加權(diffusion-weighted,DW)圖像，目前已廣泛應用于臨床量化診斷以及腦白質纖維束可視化。b值是DW圖像的重要參數，含義為擴散敏感系數，其大小影響著DW圖像信號的衰減，b值越高，DW圖像信號越弱。因此DW圖像的噪聲較常規的結構磁共振圖像更為嚴重。噪聲的存在會模糊圖像細節，降低圖像質量，導致DTI擴散張量場估計不準確，從而導致平均擴散率(mean?diffusivity,MD)、各向異性分數(fractionalanisotropy,FA)等DTI量化參數計算不準確，影響臨床診斷和科學研究。

因此，降低DW圖像的噪聲是十分必要的。在臨床上，通常使用重復采集多次DW圖像取平均值的方法來提高DW圖像的信噪比，然而該方法會延長采集時間，進而增加采集成本和被試者在采集過程中發生運動的概率。為此，研究學者們相繼提出了大量后處理技術以降低噪聲對DTI參數量化的影響。這些后處理技術包括傳統方法和深度學習方法。其中，MPPCA、NLM、BM3D等對DW圖像進行去噪的方法屬于傳統方法。傳統方法的缺點主要為計算時間長，算法復雜度高。現階段的深度學習方法為：根據有噪聲的DW圖像，利用深度學習網絡來預測無噪的DW圖像或DTI擴散張量場或DTI量化參數。現有深度學習方法較傳統方法效果好，速度快。然而現有的深度學習方法受限于指定的采集方案(擴散編碼方向指向、方向個數、b值大小)，泛化能力差，難以在臨床上推廣使用。

發明內容

本發明的目的在于提供一種擴散張量成像參數量化方法、系統、設備和介質，能夠提高DTI擴散張量場估計的準確性，進而提高DTI量化參數的準確性，為精準醫療提供可靠的量化依據。

本發明是通過以下技術方案實現的：

一種擴散張量成像參數量化方法，包括以下步驟：

獲取dMRI數據{S₀,S_b(g_n),n＝1,2,…,N}，以及獲取dMRI數據對應的b值和擴散編碼方向g_n；

根據擴散編碼方向g_n，求取球諧函數Y_l^m(g_n)；

對dMRI數據進行數據變換，得到擴散衰減圖像，并根據擴散衰減圖像和球諧函數的復共軛Y_l^m*(g_n)計算球諧系數圖；

將球諧系數圖輸入已構建的深度學習網絡，得到DTI擴散張量場；

根據DTI擴散張量場，計算得到DTI量化參數圖。

進一步地，對dMRI數據進行數據變換的步驟包括：