磁共振成像中的非均匀场校正及线圈灵敏度估计算法研究

发布时间：2020-08-27 20:58

【摘要】：磁共振成像由于其高对比度、高分辨率、可任意选择成像层面、无辐射伤害等特点而被广泛地应用于医疗诊断、科学研究等领域。磁共振成像系统是一种极为精细复杂的系统,设备中的微小误差或环境干扰都可能影响成像质量,其中一个比较严重的问题就是由磁场分布不均匀或者线圈灵敏度存在空间差异性造成的灰度不均匀现象。灰度不均匀现象会造成图像中同一组织区域的灰度变化,降低图像信噪比,对医生诊断和计算机辅助分析,如分割、配准等造成干扰。因此必须在磁共振图像被应用之前进行处理以消除非均匀场。非均匀场是一种光滑的、缓慢变化的乘性场,它的存在会导致磁共振图像发生渐变的亮度变化,使同一组织区域的灰度值发生偏差。利用这一特性,本文在之前的一些非均匀场校正研究的基础上提出了两种新的校正算法：利用灰度信息通过寻找多组织区域进行曲面拟合的方法和利用梯度信息消除类间灰度差的曲面拟合方法。本文首先提出了一种基于多组织区域查找与多项式拟合的非均匀场校正方法。基于灰度信息的校正方法一般假设同一种组织所在区域内的灰度值大致相同,为一常数值。由于受到非均匀场干扰产生偏差,组织内部的灰度偏差就反映了图像的非均匀性特征。传统的校正算法通过在直方图中确定阈值的方法来确定某-组织区域并利用区域内的灰度变化来估计非均匀场。但这种方法所估计的非均匀场的精度过于依赖于阈值的选取,阈值的不当选择会对图像中组织分割的结果造成影响：把应分属于不同组织的区域划归属于同一组织,或把属于同一组织的区域分裂成属于不同组织的区域。而这样的错误分割结果会造成对非均匀场的错误估计。此外,非均匀场的估计精度还与组织的分布范围有关,若用于拟合的组织区域过于集中于某一局部区域,则其他区域的非均匀场会依赖于多项式的外推,这增加了过拟合的风险。为解决以上问题,本文提出一种改进方法,通过区域增长来选取磁共振图像中的组织区域,并迭代地选取多种组织,从图像中提取尽可能多的、可以反映非均匀场变化情况的区域以尽可能覆盖图像中的大多数组织区域。在拟合非均匀场曲面时将这些不同组织区域内的非均匀性特征融合到同一多项式拟合问题中进行求解。这种方法提高了非均匀场估计的精度和鲁棒性。本文同时提出了一种利用梯度信息消除类间灰度差的曲面拟合方法。由于一般的磁共振图像包含多种组织类型,而非均匀场为乘性场,与组织灰度耦合在一起,采用灰度信息进行非均匀场估计时,若组织区域分割错误,则不同组织之间的灰度差会对非均匀性信息的提取造成影响。为了消除这一影响,本文提出一种改进算法,将非均匀图像转换到对数域,并对对数域图像的梯度进行处理,通过图像梯度的变化趋势代替灰度值的变化来拟合曲面。这种算法避免了非均匀场与组织灰度耦合的问题。本算法还设计了一种结合x方向和y方向的一阶梯度信息的特殊曲面拟合方法,可以避免其他基于梯度的非均匀场估计方法中的重积分或者二阶梯度所引入的较大误差,能较好地提高非均匀场的估计精度。本文还将上述方法应用于多线圈成像中线圈灵敏度的估计,并提出了一种改进的迭代策略。在多线圈磁共振扫描设备中,体表线圈的灵敏度变化函数被用来合成均匀的磁共振图像或者用于并行加速,因此必须对线圈灵敏度进行精确估计。线圈灵敏度在图像上表现为与非均匀场相同的特性,会使线圈图像的灰度发生渐变的变化,因此可以用非均匀场估计的方法来估计线圈灵敏度。但是相对于一般的非均匀场,线圈灵敏度所造成的灰度不均匀性更为强烈,传统的非均匀场校正算法在用于线圈灵敏度估计时会存在过度放大噪声的问题。本文提出一种改进的层次化迭代的估计方法,在每一次迭代时对当前迭代所提取的非均匀性信息与之前迭代所累积的拟合曲面的误差进行估计。这种改进能够将迭代的非均匀场估计方法用于估计线圈灵敏度,以提高估计精度,同时避免了放大噪声的问题,可以有效消除相位阵列成像中重建图像的非均匀性或并行成像中的伪影。对上述方法在模拟图像和真实图像上进行实验,结果表明本文方法所校正的图像非均匀场得到很大改善,线圈灵敏度估计也能够在多线圈技术中有效重建出高质量的图像。本论文提出的方法具有较好的鲁棒性,能够对各种扫描图像进行处理,已经成功应用在磁共振成像系统中并取得了较好的效果。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41;O482.532
【图文】：

扫描仪,基本结构

图1.2 MK工扫描仪的基本结构的成像质量会受到很多因素的干扰，如外界环境的磁场变化、主磁体的度、梯度磁场产生的祸流效应和射频线圈的灵敏度等。MRI扫描会产生场，影响周围环境，为此应该为MRT扫描仪采取磁屏蔽措施。磁体的不成磁场强度的漂移，这会对回波信号的相位产生影响，使图像发生失真、

流程图,流程图,区域校正,预处理

1多主导区域校正算法流程图3.2.1预处理在估计非均勾场之前需要进行预处理，包括消除噪声和确定信号区域等。MR图像的噪声为莱斯分布，但在高信噪比下接近高斯分布。Manjdnetal (2008)提出的一种非局部平均去噪算法可以有效地消除这种噪声干扰。背景区域中主要是空气，不包含成像信息，因此也不含有非均匀场，但非均勾场采用曲面拟合法，会外推至全图像，背景区域的非均勾场会抬高噪声信号，因此必须将背景区域的非均勾场设置为0。利用阈值分割法和形态学方法划分出背景区域和信号区域的边界。信号区域内的信噪比较高，而背景区域内只包含未消除的少量的噪声，其灰度值接近于0，因此通过在直方图上确定第一个波峰所在的范围即可确定信号21

示意图,区域,示意图,区域增长

我们在校正时只选择一个较小的iV。例如在脑部图像中，设置二2 (代表组织分布最多的脑灰质和脑白质）。注意由于某次迭代在确定主导区域时强制对区域增长的结果进行了限制，因此很有可能将原本属彳二本组织的区域也移除了，为了使相邻两次迭代不会错误地选取到同一组织，在移出区域时我们选择移除区域增长的最终结果而不是主:导区域#。图3. 3给出了一个对T1成像脑部进行主导区域分割的结果。

【参考文献】