基于偏微分方程的磁共振图像滤波研究

基于偏微分方程的磁共振图像滤波研究

论文摘要

磁共振成像技术以其无创无损、成像参数多以及能够观察人体内各组织解剖结构及能量代谢特征等独特优势被广泛应用于医学诊断和科研。然而,其成像机制、外部环境以及被测对象等都会在磁共振成像过程中引入噪声。噪声的存在会大大降低磁共振图像的质量使得一些组织的边界变得模糊,细微结构难以辨别,增加了对图像分析的难度,因此,图像去噪对于提高磁共振图像质量具有重要意义。近年来基于偏微分方程(P.D.E.)的滤波方法受到图像研究人员的广泛关注,这类方法最早由Perona和Malik提出。自P-M模型提出之日起,已有许多学者对非线性扩散模型做了进一步的研究和改进。其中Alvarez,Lions和Morel提出了中值曲率驱动(MCM,Mean Curvature Motion)扩散方程,该方法仅保留沿垂直于梯度方向的扩散,能够在保持目标边缘的同时去除噪声。在许多场合中,图像滤波需要满足两个限制条件:对比度不变和仿射不变。满足相关不变性条件的滤波器都有相应的一组偏微分方程,随着不变性限制条件的增强,对应的偏微分方程范围在缩小。最后,满足对比度不变和仿射不变的偏微分方程只有一个,即所谓的AMSS(Affine Morphological Scale Space)方程。磁共振图像滤波的一个基本原则是:不能带来伪影,不能把病灶去掉,不能带来新的病灶。MCM和AMSS是两个经典的偏微分方程滤波模型,但是目前关于这两个模型对磁共振图像滤波的相关文献并不多见。本文在研究偏微分方程图像滤波理论的基础上,深入分析了MCM和AMSS模型的算法原理和滤波效果,主要工作如下:首先实验验证了磁共振图像的噪声特点,分析了偏微分方程滤波模型(MCM、AMSS)的数值解法。在此基础上,以信噪比水模、分辨率水模和临床磁共振图像为研究对象,对MCM模型和AMSS模型的滤波效果进行了实验比较。结果表明,两种模型都能在基本不影响分辨率的前提下,有效地去除噪声,其中AMSS模型在保持图像细节上较MCM模型更有优势。同时发现,当磁共振图像的噪声含量较大时,两种模型的滤波效果较商业软件ContextVision稍显逊色一些。其次,将偏微分方程去噪和小波去噪的图像进行了对比,在此基础上,提出了一种结合小波去噪和偏微分方程滤波的磁共振图像处理方案。实验结果表明,该滤波方案可达到与商业软件ContextVision非常相似的滤波效果。由于涉及小波去噪,这部分对小波基的选择,阈值的选取做了较详细的分析。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题研究意义
  • 1.2 研究现状
  • 1.3 本文所做的工作及结构安排
  • 第2章 磁共振成像原理与噪声特点
  • 2.1 磁共振成像原理
  • 2.1.1 MRI 成像原理
  • 2.1.2 MRI 成像设备
  • 2.2 磁共振图像的噪声分析
  • 2.2.1 噪声的来源
  • 2.2.2 MRI 图像的噪声模型
  • 2.2.3 Rician 分布
  • 2.2.4 噪声分布的实验验证
  • 第3章 偏微分方程基本理论
  • 3.1 偏微分方程的定义
  • 3.2 二阶线性偏微分方程的分类
  • 3.3 偏微分方程和尺度空间
  • 3.3.1 尺度空间的定义
  • 3.3.2 尺度空间的性质
  • 3.3.3 尺度空间和不变性
  • 3.4 偏微分方程的数值解法
  • 3.4.1 一维微分算子的离散化
  • 3.4.2 二维微分算子的离散化
  • 3.4.3 MCM 模型的离散化
  • 3.4.4 AMSS 模型的离散化
  • 第4章 偏微分方程滤波实验结果分析
  • 4.1 图像去噪性能评价标准
  • 4.2 MCM 模型的滤波
  • 4.2.1 信噪比水模的滤波
  • 4.2.2 分辨率水模的滤波
  • 4.2.3 临床磁共振图像的滤波
  • 4.3 AMSS 模型的滤波
  • 4.4 小结
  • 第5章 偏微分方程和小波去噪相结合的滤波方案
  • 5.1 小波去噪原理
  • 5.2 偏微分方程去噪与小波去噪的比较
  • 5.3 偏微分方程和小波去噪相结合的滤波方案
  • 5.3.1 小波基的选择
  • 5.3.2 阈值的选取
  • 5.3.3 数值实验结果
  • 5.4 小结
  • 第6章 总结和展望
  • 参考文献
  • 致谢
  • 附录(攻读学位期间发表的论文)
  • 相关论文文献

    • [1].基于级联卷积神经网络的前列腺磁共振图像分类[J]. 波谱学杂志 2020(02)
    • [2].基于心脏电影磁共振图像的左心肌分割新进展[J]. 中国生物医学工程学报 2020(02)
    • [3].腿部磁共振图像脂肪分割方法的研究[J]. 北京生物医学工程 2010(05)
    • [4].磁共振检查别让金属来捣蛋[J]. 康颐 2016(09)
    • [5].影像护理配合对提升脑卒中患者磁共振图像质量的效果[J]. 影像技术 2020(05)
    • [6].磁共振检查应用于肺部检查技术探究[J]. 心理月刊 2019(19)
    • [7].基于动态全变差的动态磁共振图像重建[J]. 信息技术 2017(06)
    • [8].基于磁共振图像与波谱的专家辅助诊断系统的设计[J]. 中国生物医学工程学报 2016(04)
    • [9].深度迭代融合的脑部磁共振图像颅骨去除网络[J]. 中国图象图形学报 2020(10)
    • [10].基于边缘检测算子的腰椎磁共振图像的比较[J]. 生物医学工程研究 2012(01)
    • [11].基于磁共振图像的脑肿瘤自动识别与分析[J]. 北京工业大学学报 2012(06)
    • [12].用于神经外科手术的磁共振图像导航机器人的兼容性研究[J]. 机器人 2009(03)
    • [13].基于磁共振图像的多层介质声学特性分析[J]. 计量学报 2020(09)
    • [14].临床与影像护理配合对脑卒中患者磁共振图像质量的影响[J]. 中国实用医药 2018(21)
    • [15].基于边界跟踪算法的脑磁共振图像分割[J]. 中国医学物理学杂志 2012(06)
    • [16].基于心脏电影磁共振图像的左心肌运动追踪方法综述[J]. 生物医学工程学杂志 2020(03)
    • [17].基于磁共振图像影像组学对直肠癌新辅助放化疗疗效评估的研究进展[J]. 磁共振成像 2020(10)
    • [18].一种改进的磁共振图像自动调窗算法[J]. 中国医疗器械杂志 2011(04)
    • [19].基于残差网络编解码的磁共振图像修复算法[J]. 计算机工程与设计 2020(01)
    • [20].基于深度学习的心脏磁共振图像分割[J]. 绿色科技 2020(06)
    • [21].基于随机森林的脑磁共振图像分类[J]. 电子测量与仪器学报 2013(11)
    • [22].深度学习在磁共振图像重建和射频热点分布定量计算中的应用[J]. 人工智能 2020(01)
    • [23].磁共振图像质量控制中的若干评价指标探讨[J]. 中国医疗设备 2016(07)
    • [24].基于数学形态学膨胀和腐蚀的医学磁共振图像的边缘检测[J]. 生物医学工程与临床 2012(01)
    • [25].基于小波变换的磁共振图像增强[J]. 中国医疗器械信息 2010(10)
    • [26].联合局部和全局稀疏表示的磁共振图像重建方法[J]. 重庆大学学报 2017(01)
    • [27].基于非局部拉格朗日乘子的磁共振图像重建[J]. 中国科学技术大学学报 2017(08)
    • [28].基于L_(1/2)正则项的磁共振图像稀疏重构[J]. 河北工业大学学报 2015(04)
    • [29].2016年1月—2017年6月间磁共振图像质量控制中的相关评价指标探讨[J]. 中国卫生产业 2017(36)
    • [30].10例颅内生殖细胞瘤的磁共振图像分析[J]. 现代诊断与治疗 2013(10)

    标签:;  ;  ;  ;  ;  

    基于偏微分方程的磁共振图像滤波研究
    下载Doc文档

    猜你喜欢