[发明专利]一种基于磁共振成像的自适应局部特征提取方法

摘要

一种基于磁共振成像的自适应局部特征提取方法，包括如下步骤：1)建立数据驱动的球面去卷积模型；2)对每个感兴趣区域处理得到新的完备的字典，过程如下：2.1局部fODFs的正则化；2.2数据驱动局部特征提取的降维成像；2.3全变差下限制球面去卷积的成本函数，通过解决上述优化问题(10)实现自适应局部特征提取。本发明基于球面去卷积下的重构纤维取向分布(fODF)的稀疏字典方法中实现最佳去噪。

主权项

一种基于磁共振成像的自适应局部特征提取方法，其特征在于：包括如下步骤：1)建立数据驱动的球面去卷积模型，过程如下：球面去卷积s(g|u)的方法表达形式如下：$s\left(g\right|u)={\∫}_{S^2}r(g,v)f\left(v\right|u)d\mathrm{\μ}\left(v\right)+\mathrm{\ξ}---\left(1\right)$其中ξ是噪声，这是影响成像质量的主要因素；u是单位半球均匀采样向量；v是采样方向；通过内核r(g,v)和fODFf(v|u)的卷积描述纤维解剖结构；提出数据驱动球面去卷积的新模型f^c，简化为：f^c＝f(c,Ω_c,ξ)        (2)其中Ω_c是fODF的邻近信息，f^c是第c个体素，它可以根据当前体素的纤维找到相应的方向，f(c,Ω_c,ξ)是包含c，Ω_c，ξ的一个函数；2)对每个感兴趣区域处理得到新的完备的字典，过程如下：2.1局部fODFs的正则化考虑一个体素T周围的体素(3×3×3)，让代表一个矩阵，它的每个列对应于在一个高光谱图像空间附近体素内的fODF；该矩阵被表示为相对于线性不变的一个新的联合稀疏矩阵F＝[f₁,f₁,...,f_T]，f_i,i＝1,2,...,T；行系数矩阵F通过求解下面近端运算上的矩阵来回收：$\underset{F}{\min }\frac{1}{2}\left|\right|\tilde{F}-F|{|}_F^2+{\mathrm{\λ}}_1|\left|F\right|{|}_{1,2}+{\mathrm{\λ}}_2\underset{i}{\Σ}\left|\right|F_j|{|}_1---\left(3\right)$其中F_j是矩阵F第j个列向量；n和T是系数；λ₁和λ₂是手动设置的参数；2.2数据驱动局部特征提取的降维成像在一个单一的体素，稀疏的字典会沿着当前体素的纤维方向，该过程表示为：代表从当前体素纤维方向获取的字典基，f_i^c代表第c个体素中的第i个fODF，表示从当前体素的fODF得到的纤维取向，n_i是字典基的数目；用于表示纤维取向的词典从相邻体素的fODF提取的局部取向分布特征来获取；最后的字典表示为：联合稀疏模型有助于调节fODF结构，提高重建的纤维结构稀疏；局部特征通过搜索从附近扩散体素的数据的fODFs峰轻松获取；这样中间的fODF由稀疏新的取向分布基表示；让映射到一个新的字典，代表所有体素纤维方向的字典基，然后使用这些字典重构一个线性加权组合来表示未知的fODF：其中是位置系数，i,j都是系数；2.3全变差下限制球面去卷积的成本函数fODF和局部特征从测量中提取的正规化数据能够构建一个相对稀疏字典，考虑成本函数(7)，通过取邻域信息和关于重构结果中的噪声，获得内体素纤维结构的估计：$\begin{array}{c}\min \left|\right|s-Hw|{|}_2^2+\mathrm{\λ}(\mathrm{\α}\left|\right|WZ-w|{|}_2+\\ \begin{array}{ccc}\left(1-\mathrm{\α}\right)\left|\right|w\left|{|}_{TV}\right)& s.t.& w\≥0\end{array}\end{array}---\left(7\right)$s代表测量数据，w代表体素，测量矩阵H是步骤2.2中内核和稀疏字典的卷积结果，描述成：H＝r(g,v)*f(c,Ω_c,ξ)         (8)参数λ和α常用作平衡角分辨率和鲁棒性，矩阵W＝[w₁,w₂,...,w_T]由初始化相邻体素的fODF系数获取，矩阵Z＝[β₁,β₂,...,β_T]^T代表中心体素与邻近体素的相似性组合；通过计算每个体素及其相邻元素之间的相似性测量局部结构，两个体素之间的相似性是通过余弦距离计算获得的测量信号：${\mathrm{\β}}_i=1-\frac{|s_{f^{\′}}\·s_i|}{\left|\right|s_{f^{\′}}\left|\right|\left|\right|s_i\left|\right|}---\left(9\right)$整合图像梯度的L1范数，被称为总变差正则，优化问题(7)被改写成另一种形式如下：$min\left|\right|(2H^{T}H+{\mathrm{\λ\αI}}^{T}I)w-(2H^{T}s+\mathrm{\λ}\mathrm{\α}WZ)|{|}_2^2+\mathrm{\λ}(1-\mathrm{\α})|\left|w\right|{|}_{TV}---\left(10\right)$I是单位矩阵；通过解决上述优化问题(10)实现自适应局部特征提取。