一種mri超范圍編碼成像方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及MRI圖像處理技術(shù)領(lǐng)域，尤其是一種MRI超范圍編碼成像方法。
【背景技術(shù)】
[0002]磁共振成像(MRI)已發(fā)展成為一種非常強(qiáng)大的醫(yī)學(xué)診斷手段，它特別適應(yīng)于腦組織、神經(jīng)系統(tǒng)以及人體軟組織等部位的診斷檢測，能夠在清晰的解剖影像背景上明確顯示出病變影像。MRI已經(jīng)被廣泛應(yīng)用于醫(yī)學(xué)臨床診斷，成為重要的疾病診斷手段之一。中國發(fā)明專利申請CN 103300859A、CN 104161517A等現(xiàn)有技術(shù)公開了不同的核磁共振成像技術(shù)，但是，對于核磁共振對于視野小于被檢部位時的圖像偽影問題，不能徹底解決，仍然有明顯的偽影。

【發(fā)明內(nèi)容】

[0003]本發(fā)明要解決的技術(shù)問題是提供一種MRI超范圍編碼成像方法，能夠解決現(xiàn)有技術(shù)的不足，降低了偽影的影響。
[0004]為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案如下。
[0005]一種MRI超范圍編碼成像方法，步驟如下:
[0006]A、獲取視野范圍內(nèi)的第一圖像，以及第一圖像外側(cè)的第二圖像、第三圖像…第η圖像，其中n ^ 4，第二圖像?第η圖像均與第一圖像部分重疊；
[0007]B、將第一圖像作為中心圖像進(jìn)行編碼成像，形成目標(biāo)圖像，其編碼參數(shù)根據(jù)相關(guān)性分成若干組，每組參數(shù)的數(shù)量相同，其數(shù)量等于包含參數(shù)最多的參數(shù)組的參數(shù)數(shù)量，其余參數(shù)組空缺的參數(shù)使用本組參數(shù)的加權(quán)平均值代替，將所有參數(shù)組合成第一編碼矩陣，以目標(biāo)圖像為目標(biāo)值，按照上述編碼方法對剩余圖像進(jìn)行依次編碼，得到第二編碼矩陣、第三編碼矩陣…第η編碼矩陣，在形成編碼矩陣時保證每個編碼矩陣均為非奇異矩陣；
[0008]C、依次選擇第二圖像?第η圖像為中心圖像，重復(fù)步驟B的過程，每個中心圖像均得到其對應(yīng)的n-Ι個編碼矩陣；
[0009]D、將與第一圖像相關(guān)的編碼矩陣歸為甲類編碼矩陣，其余編碼矩陣歸為乙類編碼矩陣，將甲類編碼矩陣內(nèi)的編碼矩陣分為若干個矩陣對，每個矩陣對內(nèi)的兩個圖像互為中心圖像和目標(biāo)圖像，將矩陣對內(nèi)未以第一圖像作為中心圖像的編碼矩陣求逆，然后與另一個以第一圖像作為中心圖像的編碼矩陣進(jìn)行融合，形成若干個融合矩陣，逐一求取乙類編碼矩陣的特征向量，將特征向量與其相關(guān)的融合矩陣進(jìn)行二次融合；
[0010]其中特征向量與融合矩陣相關(guān)的定義為:求取特征向量的乙類編碼矩陣所涉及的兩個圖像中任意一個圖像與融合矩陣所涉及的非第一圖像相同，即定義特征向量與融合矩陣相關(guān)；
[0011]Ε、使用步驟D中得到的二次融合矩陣對第二圖像?第η圖像進(jìn)行重新編碼，編碼的結(jié)果與以第一圖像作為中心圖像進(jìn)行編碼形成的目標(biāo)圖像進(jìn)行比較，若比較差異小于等于閾值，則將η個圖像進(jìn)行合并，得到最終編碼結(jié)果，若比較差異大于閾值，則以最終編碼結(jié)果作為新的第一圖像，重復(fù)步驟B?步驟E，直至比較差異小于閾值。
[0012]作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟D中，兩個編碼矩陣的融合采用K-means聚類算法融合，特征向量與其相關(guān)的融合矩陣的融合采用特征向量與融合矩陣相乘的方式進(jìn)行。
[0013]作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟E中，編碼后形成的圖像進(jìn)行比較的方法為，選取相等數(shù)量的參考像素點，兩個圖像中像素點灰度值相減，其結(jié)果中的最大值與兩個圖像像素點灰度值的平均值之比即為差異值。
[0014]為本發(fā)明的一種優(yōu)選技術(shù)方案，所述閾值為5%?r10A。
[0015]為本發(fā)明的一種優(yōu)選技術(shù)方案，選取參考像素點時，參考像素點在圖像中不同位置的分布密度與步驟A中不同圖像間的重疊次數(shù)成反比。
[0016]采用上述技術(shù)方案所帶來的有益效果在于:本發(fā)明通過不同圖像間的互相編碼處理，得出多組相互關(guān)聯(lián)的編碼參數(shù)矩陣，通過對編碼矩陣進(jìn)行融合處理，得到較佳編碼參數(shù)，可以逐漸消除編碼過程中不同圖像帶來的偽影。
【附圖說明】
[0017]圖1是未采用本發(fā)明成像方法得到的腰椎矢狀位圖像。
[0018]圖2是使用了本發(fā)明提供的成像方法得到的腰椎矢狀位圖像。
【具體實施方式】
[0019]由于圖像選取的數(shù)量與循環(huán)計算的循環(huán)次數(shù)成反比，以腰椎處的核磁共振成像為例，這個視野范圍選取6張圖像進(jìn)行編碼處理可以以最少的計算量得到合格的圖像。
[0020]一種MRI超范圍編碼成像方法，步驟如下:
[0021]A、獲取視野范圍內(nèi)的第一圖像，以及第一圖像外側(cè)的第二圖像、第三圖像…第六圖像，第二圖像?第六圖像均與第一圖像部分重疊；
[0022]B、將第一圖像作為中心圖像進(jìn)行編碼成像，形成目標(biāo)圖像，其編碼參數(shù)根據(jù)相關(guān)性分成若干組，每組參數(shù)的數(shù)量相同，其數(shù)量等于包含參數(shù)最多的參數(shù)組的參數(shù)數(shù)量，其余參數(shù)組空缺的參數(shù)使用本組參數(shù)的加權(quán)平均值代替，將所有參數(shù)組合成第一編碼矩陣，以目標(biāo)圖像為目標(biāo)值，按照上述編碼方法對剩余圖像進(jìn)行依次編碼，得到第二編碼矩陣、第三編碼矩陣…第六編碼矩陣，在形成編碼矩陣時保證每個編碼矩陣均為非奇異矩陣；在計算本組參數(shù)的加權(quán)平均值時，每個參數(shù)的加權(quán)量與此參數(shù)對圖像進(jìn)行編碼時所進(jìn)行的映射路徑的長度成反比；
[0023]C、依次選擇第二圖像?第六圖像為中心圖像，重復(fù)步驟B的過程，每個中心圖像均得到其對應(yīng)的五個編碼矩陣；
[0024]D、將與第一圖像相關(guān)的編碼矩陣歸為甲類編碼矩陣，其余編碼矩陣歸為乙類編碼矩陣，將甲類編碼矩陣內(nèi)的編碼矩陣分為若干個矩陣對，每個矩陣對內(nèi)的兩個圖像互為中心圖像和目標(biāo)圖像，將矩陣對內(nèi)未以第一圖像作為中心圖像的編碼矩陣求逆，然后與另一個以第一圖像作為中心圖像的編碼矩陣進(jìn)行融合，形成若干個融合矩陣，逐一求取乙類編碼矩陣的特征向量，將特征向量與其相關(guān)的融合矩陣進(jìn)行二次融合；
[0025]其中特征向量與融合矩陣相關(guān)的定義為:求取特征向量的乙類編碼矩陣所涉及的兩個圖像中任意一個圖像與融合矩陣所涉及的非第一圖像相同，即定義特征向量與融合矩陣相關(guān)；
[0026]兩個編碼矩陣的融合采用K-means聚類算法融合，若融合后的編碼矩陣與任意一個融合前的編碼矩陣的歐氏距離大于融合后的編碼矩陣與另一個融合前的編碼矩陣的歐氏距離的2倍，則使用融合后的編碼矩陣再次與和其歐氏距離較近的編碼矩陣進(jìn)行融合，直至融合后的編碼矩陣與任意一個融合前的編碼矩陣的歐氏距離小于等于融合后的編碼矩陣與另一個融合前的編碼矩陣的歐氏距離的2倍；特征向量與其相關(guān)的融合矩陣的融合采用特征向量與融合矩陣相乘的方式進(jìn)行，融合后再乘以一個融合因子，融合因子的大小與特征向量所對應(yīng)的特征值成正比；
[0027]E、使用步驟D中得到的二次融合矩陣對第二圖像?第六圖像進(jìn)行重新編碼，編碼的結(jié)果與以第一圖像作為中心圖像進(jìn)行編碼形成的目標(biāo)圖像進(jìn)行比較，若比較差異小于等于閾值，則將六個圖像進(jìn)行合并，得到最終編碼結(jié)果，若比較差異大于閾值，則以最終編碼結(jié)果作為新的第一圖像，重復(fù)步驟B?步驟E，直至比較差異小于閾值，編碼后形成的圖像進(jìn)行比較的方法為，選取相等數(shù)量的參考像素點，兩個圖像中像素點灰度值相減，其結(jié)果中的最大值與兩個圖像像素點灰度值的平均值之比即為差異值，閾值為6.5%，選取參考像素點時，參考像素點在圖像中不同位置的分布密度與步驟A中不同圖像間的重疊次數(shù)成反比。
[0028]參考圖1和圖2，可以明顯看出，本發(fā)明所提供的成像方法可以明顯減低偽影的影響，提高圖像清晰度。
[0029]上述描述僅作為本發(fā)明可實施的技術(shù)方案提出，不作為對其技術(shù)方案本身的單一限制條件。
【主權(quán)項】
1.一種MRI超范圍編碼成像方法，其特征在于步驟如下: A、獲取視野范圍內(nèi)的第一圖像，以及第一圖像外側(cè)的第二圖像、第三圖像…第η圖像，其中n ^ 4，第二圖像?第η圖像均與第一圖像部分重疊； B、將第一圖像作為中心圖像進(jìn)行編碼成像，形成目標(biāo)圖像，其編碼參數(shù)根據(jù)相關(guān)性分成若干組，每組參數(shù)的數(shù)量相同，其數(shù)量等于包含參數(shù)最多的參數(shù)組的參數(shù)數(shù)量，其余參數(shù)組空缺的參數(shù)使用本組參數(shù)的加權(quán)平均值代替，將所有參數(shù)組合成第一編碼矩陣，以目標(biāo)圖像為目標(biāo)值，按照上述編碼方法對剩余圖像進(jìn)行依次編碼，得到第二編碼矩陣、第三編碼矩陣…第η編碼矩陣，在形成編碼矩陣時保證每個編碼矩陣均為非奇異矩陣； C、依次選擇第二圖像?第η圖像為中心圖像，重復(fù)步驟B的過程，每個中心圖像均得到其對應(yīng)的n-Ι個編碼矩陣； D、將與第一圖像相關(guān)的編碼矩陣歸為甲類編碼矩陣，其余編碼矩陣歸為乙類編碼矩陣，將甲類編碼矩陣內(nèi)的編碼矩陣分為若干個矩陣對，每個矩陣對內(nèi)的兩個圖像互為中心圖像和目標(biāo)圖像，將矩陣對內(nèi)未以第一圖像作為中心圖像的編碼矩陣求逆，然后與另一個以第一圖像作為中心圖像的編碼矩陣進(jìn)行融合，形成若干個融合矩陣，逐一求取乙類編碼矩陣的特征向量，將特征向量與其相關(guān)的融合矩陣進(jìn)行二次融合； 其中特征向量與融合矩陣相關(guān)的定義為:求取特征向量的乙類編碼矩陣所涉及的兩個圖像中任意一個圖像與融合矩陣所涉及的非第一圖像相同，即定義特征向量與融合矩陣相關(guān); Ε、使用步驟D中得到的二次融合矩陣對第二圖像?第η圖像進(jìn)行重新編碼，編碼的結(jié)果與以第一圖像作為中心圖像進(jìn)行編碼形成的目標(biāo)圖像進(jìn)行比較，若比較差異小于等于閾值，則將η個圖像進(jìn)行合并，得到最終編碼結(jié)果，若比較差異大于閾值，則以最終編碼結(jié)果作為新的第一圖像，重復(fù)步驟B?步驟Ε，直至比較差異小于閾值。
2.根據(jù)權(quán)利要求1所述的MRI超范圍編碼成像方法，其特征在于:步驟D中，兩個編碼矩陣的融合采用K-means聚類算法融合，特征向量與其相關(guān)的融合矩陣的融合采用特征向量與融合矩陣相乘的方式進(jìn)行。
3.根據(jù)權(quán)利要求1所述的MRI超范圍編碼成像方法，其特征在于:步驟E中，編碼后形成的圖像進(jìn)行比較的方法為，選取相等數(shù)量的參考像素點，兩個圖像中像素點灰度值相減，其結(jié)果中的最大值與兩個圖像像素點灰度值的平均值之比即為差異值。
4.根據(jù)權(quán)利要求3所述的MRI超范圍編碼成像方法，其特征在于:所述閾值為5%?7%。
5.根據(jù)權(quán)利要求3所述的MRI超范圍編碼成像方法，其特征在于:選取參考像素點時，參考像素點在圖像中不同位置的分布密度與步驟A中不同圖像間的重疊次數(shù)成反比。
【專利摘要】本發(fā)明公開了一種MRI超范圍編碼成像方法，包括以下步驟：A、獲取若干個圖像；B、以第一圖像作為中心圖像進(jìn)行編碼成像，形成目標(biāo)圖像，并依此目標(biāo)圖像為目標(biāo)值，對剩余圖像進(jìn)行依次編碼；C、依次選取其它圖像為中心圖像，進(jìn)行上述步驟B的編碼過程；D、對編碼矩陣進(jìn)行融合；E、進(jìn)行循環(huán)編碼比較，最終得到最終圖像。本發(fā)明能夠解決現(xiàn)有技術(shù)的不足，降低了偽影的影響。
【IPC分類】G06T5-50, A61B5-055, G06T9-00, G06T5-00
【公開號】CN104766351
【申請?zhí)枴緾N201510197277
【發(fā)明人】陳亮, 王天峰
【申請人】惠仁望都醫(yī)療設(shè)備科技有限公司
【公開日】2015年7月8日
【申請日】2015年4月24日