彌散磁共振圖像去噪研究現(xiàn)狀

(成都體育學院 四川 成都 610000)

彌散磁共振圖像去噪研究現(xiàn)狀

諶欣來

(成都體育學院四川成都610000)

在過去的幾年里，盡管磁共振成像(Magnetic Resonance Imaging，MRI)技術的分辨率，信噪比和獲取速度都得到了提升，但是它仍然受噪聲和偽影的影響。降低噪聲和保護實際細節(jié)特征之間的權衡從某方面加強了圖像內容的診斷相關性。因此，降低噪聲仍然是一件困難的事。已有文獻上提出的各種各樣的關于MRI的去噪方法，每種方法都有其自身的假設，優(yōu)點和局限性。本文的目的就是列舉出已有文獻上面關于磁共振(Magnetic Resonance，MR)圖像的去噪方法。在簡要介紹MRI的噪聲特征之后，我們將把一些流行的方法進行分類，然后給出不同方法的概述，同時也會討論每種去噪方法的優(yōu)點和局限性。

磁共振成像；圖像去噪；時域祛噪

一、磁共振成像

磁共振成像(Magnetic Resonance Imaging，MRI)是一種可以提供人體中組織器官的精細細節(jié)圖像的成像方法。MRI主要用來描述活體組織的病理性和其他生理性的變化。MRI可通過物理和生化信息識別和區(qū)分其他成像方法(如超聲和CT)難以獲取的組織信息。MRI成像靈活性使其不僅能夠對解剖結構成像，同時也能滿足他臨床應用，包括：無造影劑的血管成像，組織中的擴散測量，測量組織溫度，心臟成像，肌肉骨骼系統(tǒng)、肝臟和網狀內皮系統(tǒng)的動態(tài)成像。但在空間分辨率和成像時間上受到一定限制。

二、彌散張量磁共振成像

彌散張量磁共振成像(Diffusion Tensor Magnetic Resonance Imaging,DT-MRI或者DTI)通過測量活體纖維組織細胞中水分子的彌散情況對該纖維組織的生理機能進行研究，并可根據(jù)該彌散信息對纖維結構進行三維重建，其典型應用是大腦白質神經纖維分析及纖維追蹤成像研究[1]。DTI對三維組織的每一體素使用一個3×3對稱正定矩陣構成張量模型進行描述，該模型需要至少六個非共面擴散敏感梯度磁場方向的回波衰減信號測量值構成的彌散加權磁共振圖像(Diffusion Weighted Magnetic Resonance Imaging,DW-MRI或者DWI)和一個不施加擴散敏感梯度磁場的MR信號參考測量值解得[2]。

由于彌散磁共振掃描使用EPI快速成像，同時掃描時間和數(shù)據(jù)量遠超普通MRI(7次或以上DWI數(shù)據(jù)掃描)，因此其極易受到噪聲干擾[3]。同時由于MRI通過計算原始數(shù)據(jù)的反傅里葉變換獲得，其結果包含實部和虛部，圖像由該數(shù)據(jù)的模值構成。當實部和虛部分別被高斯噪聲干擾時，其模值圖像的噪聲一般呈Rician分布，常用的針對Gaussian噪聲的去噪方法容易出現(xiàn)誤差。由于圖像的視覺質量直接影響醫(yī)學診斷任務和電腦自動分析的能力，如圖像分割、特征提取及分類等，有效的去噪預處理是后續(xù)臨床和科研應用的重要保障。

彌散磁共振的成像過程是采集圖像信噪比和分辨率的折中，即高分辨率對應著低信噪比，低分辨率對應高信噪比。通過成像手段提高信噪比的方法，如多次掃描進行平均將大幅增加掃描時間，而降低空間分辨率的方法則直接影響圖像質量。

三、彌散磁共振去噪方法

現(xiàn)有的彌散磁共振去噪方法大致可以分為三類，分別為對DWI進行去噪，對DTI在張量域去噪，DWI計算DTI過程中進行正則化去噪。第一種方法引入經典灰度圖像去噪方法進行處理，大致分為時域濾波、變換域方法和統(tǒng)計方法三類；第二種方法需對DTI數(shù)據(jù)進行準確有效的評估，由于DTI是二階張量，需同時考慮大小和方向，對DTI的評估較為困難；第三種方法由于DWI計算DTI的特殊性，該正則化過程受到多種約束，計算較為復雜。本文主要對DTI去噪進行論述及比較。

四、DTI圖像去噪

直接對DTI進行去噪的方法有兩類：第一類方法是直接對張量元素進行去噪；第二類方法在譜張量分解上進行去噪。第一類方法中，Chefd’hotel 等提出非線性局部微分的方法，針對張量的半正定對稱性，利用偏微分方程再黎曼流體上進行分析。Martin-Fernandez等提出一個利用馬爾科夫隨機場和多元高斯分布的貝葉斯估計問題；對于第二類方法，Poupon等利用一個基于馬爾科夫模型的能量函數(shù)來調整噪聲的主特征向量。Coulon等對主彌散方向提出一種迭代恢復方法。 Krissian K,改進Perona和Malik提出的各向異性擴散濾波方法，平滑張量特征向量。

五、DTI去噪方法的比較和總結

根據(jù)Gerig等的結果，非線性各向異性濾波器克服了空間和時間濾波器的缺點，但是也清楚地說明了在同質區(qū)域有效地減少噪聲。不同組織之間的目標輪廓、邊界不僅是被保護的甚至是被加強的。這樣的濾波常常抹去小的結構和改變圖像的統(tǒng)計性，因為它的邊界增強效應導致了一個非自然的圖像。傳統(tǒng)的濾波器比如空間、時間和各向異性擴散濾波器都是對高斯噪聲敏感的。但是在MR圖像中，噪聲被建模成Rician噪聲。所以，適應性的閾值選擇和新的梯度計算方法的各向異性濾波器的提升對噪聲來說是穩(wěn)健的，這也被結果證明了。

噪聲濾波使用的小波變換主要依賴于小波類型，閾值技術和閾值估計。Prinosil等用三種不同的小波(比如哈爾，二階多貝西和四階Coiflet)比較了MRI去噪的小波變換；閾值技術比如硬、軟、半軟和兩個閾值估計的非負Garrote閾值，都是通用Universal和貝葉斯風險最小化閾值。這個技術的估計根據(jù)SNR參數(shù)，對比和線型斜坡邊緣近似。結果表明了MR圖像的對比參數(shù)在所有的這些技術中沒有很大差異。參數(shù)SNR和斜坡邊緣處在一個平衡重，也就是說，當信噪比上升時斜坡邊緣下降，反之亦然。對于被加性高斯噪聲污染的幻像MR圖像來說，貝葉斯風險最小化閾值估計比通用閾值估計更好地保護了斜坡邊緣。但是MR圖像用Rician噪聲建模，所以MR圖像幅度的小波域濾波被用來減少Rician噪聲。

六、結論

MRI在臨床應用中是強有力的去噪技術。針對提高新造比的圖像序列的時間平均將會導師額外的獲取時間，減少時間分辨率。因此，去噪應該提高圖像質量獲得更多精確診斷。一些已經出版的MRI去噪技術以及它們的優(yōu)點和局限都在本文討論。

本文總結了MRI去噪技術并相互比較了它們的性能(基于使用了例如PSNR、SNR、CNR、RMSE、SSIM、QILV、MSR、MSE和視覺質量的質量性能指標)。這些去噪技術中的許多都解決了MR圖像中的空間一致噪聲分布(Rician噪聲)。但是對于MRI并行成像，噪聲是空間不一致分布的。為了解決這個問題，去噪步驟要求了噪聲圖和適應性的先驗信息。

MRI中去噪方法的最終目標是獲取分段常數(shù)，或者同質組織中的慢變化信號，同時保護了組織邊界。但是，關于去噪、邊界保護額、魯棒性、用戶交互、不同MR獲取技術的應用和計算成本，沒有哪一個單一的方法證明了比其他所有的方法更優(yōu)異。現(xiàn)在，MRI成像技術和它們的類型正在日漸提升。所以，去噪方法也在改進。本文的主要目的就是提供一個可獲得的MRI去噪方法的概括。這將會對想要開發(fā)MR圖像新的去噪技術的研究者有所幫助。同時，從這篇文章中，我們可以選擇最好的去噪方法來做進一步處理(用于計算機輔助診斷地圖像分割，圖像配準和圖像分類)。

[1]Perona P,Malik J.Scale-space and edge detection using anisotropic diffusion[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,1990,12(7):629 - 639.

[2]Gerig G,Kubler O,Kikinis R,et al.Nonlinear anisotropic filtering of MRI data[J].Medical Imaging,IEEE Transactions on,1992,11(2):221 - 232.

[3]Sijbers J,den Dekker A J,Van Der Linden A,Verhoye M,Van Dyck D.Adaptive anisotropic noise filtering for magnitude MR data.Magnetic Resonance Imaging,1999,17(10):1533-1539.

諶欣來(1991.08-)，女，漢族，四川成都人，研究生在讀，成都體育學院，中西醫(yī)結合臨床。

)