CN102568008B - 无参考质子共振频率测温法中生成感兴趣区域的方法 - Google Patents

Abstract

一种无参考质子共振频率测温法中生成感兴趣区域的方法，包括以下步骤：在磁共振图像中获取加热区域，并在所述加热区域周围选择待选区域；对所述待选区域内的图像像素灰度做空间一阶导数和直方图统计；对所述待选区域内的图像像素灰度空间一阶导数做直方图统计；通过对灰度直方图和灰度空间一阶导数直方图的判断来选择对待选区域进行处理的算法，根据选择的算法对待选区域的像素进行处理，并在待选区域内生成感兴趣区域。上述无参考质子共振频率测温法中生成感兴趣区域的方法，通过选择合适的算法对所述待选区域内的像素进行处理，能够快速获得精确的感兴趣区域，从而快速获得精确的温度测量值。

Description

无参考质子共振频率测温法中生成感兴趣区域的方法

【技术领域】

本发明涉及磁共振技术，特别是涉及一种无参考质子共振频率测温法中生成感兴趣区域的方法。

【背景技术】

磁共振成像技术，是一种无创无电离辐射的成像方法，可以生成不同方向的解剖图像。人体组织内与温度相关的一些参数都会影响磁共振图像，因此我们有可能研究利用磁共振图像与温度的相关性来进行无创温度监测。基于质子共振频率(Proton resonance frequency，PRF)的化学位移的磁共振测温方法是一种无创测温方法，其优点是有很好的时间和空间分辨率，而且可以直接进行图像的后处理，不需要复杂的数据计算。一般通过梯度回波中的信号相位的改变值来确定温度的改变，相位的改变ΔΦ和温度变化ΔT之间的关系为ΔT＝ΔΦ/γαB₀TE。相位的改变值和温度变化之间的关系是线性的。其中，ΔΦ＝Φ-Φ_baseline，基准或参考相位(Φ_baseline)图像是在加热前获取的，将其从加热过程中获取的相位图像(Φ)中减去得到相位变化值。其中，γ为旋磁比，α为温度系数，B₀为主磁场强度，TE为GRE序列的回波时间。然而，当存在组织运动时，加热过程中获得的图像不能和基准图像正确配准，背景磁场变化不均匀会导致基准相位估计错误从而影响温度测量结果。目前，有一种称为“Referenceless的PRF位移测温成像”方法，其中ΔΦ＝Φ-Φ_extrapolated，即对基准相位(Φ_extrapolated)的估计是从加热过程中获取的图像本身获得，因此一个独立的参考扫描并不是必需的。

由于这种方法需要通过多项式拟合来得到加热区域的基准相位，如果感兴趣区域中含有血管，血管处的相位与其他区域的相位有显著的差异，将会造成感兴趣区域内的相位突变，这种相位突变将影响到多项式拟合，从而导致最后加热区温度的计算错误。一般的处理是将待选区域内的相位突变区域去掉，将待选区域剩下的区域作为感兴趣区域。传统的生成感兴趣区域的方法比较简单和粗糙。而且每种算法都有其适用的范围，选择同一类型的算法可能不能满足多种条件下的要求。如何精确快速的去除相位有显著变化的区域，得到相位均匀的感兴趣区域是无参考质子共振频率测温的一个重要方面。

【发明内容】

基于此，有必要提供一种无参考质子共振频率测温法中快速生成精确的感兴趣区域的方法。

一种无参考质子共振频率测温法中生成感兴趣区域的方法，所述无参考质子共振频率测温通过比较磁共振图像的加热区域和感兴趣区域的相位差来计算加热区域的温度值，所述无参考质子共振频率测温法中生成感兴趣区域的方法包括以下步骤：在磁共振图像中获取加热区域，并在所述加热区域周围选择待选区域；对所述待选区域内的图像像素灰度做空间一阶导数和直方图统计；对所述待选区域内的图像像素灰度空间一阶导数做直方图统计；判断所述待选区域图像灰度的直方图是否有对应于相位连续区域和对应于相位突变区域的不同的峰值；如果所述待选区域图像灰度的直方图有对应于所述相位连续区域和对应于所述相位突变区域的不同的峰值，在对应于所述相位连续区述域和对应于所述相位突变区域的不同的峰值之间选择灰度阈值，并将所述待选区域内像素灰度和所述灰度阈值进行比较，根据比较的结果在所述待选区域内生成感兴趣区域，并结束；如果所述待选区域图像灰度的直方图没有对应于所述相位连续区域和对应于所述相位突变区域的不同的峰值，则判断所述待选区域图像像素灰度的空间一阶导数的直方图是否有对应于相位突变区域边缘和对应于非相位突变区域边缘的不同峰值；如果所述待选区域图像像素灰度的空间一阶导数的直方图有对应于所述相位突变区域边缘和对应于所述非相位突变区域边缘的不同峰值，在对应于所述相位突变区域边缘和对应于所述非相位突变区域边缘的不同峰值之间选择导数阈值，并将所述待选区域内像素灰度空间一阶导数大于所述导数阈值的像素作为所述相位突变区域的边缘像素，在所述待选区域内将所述相位突变区域边缘像素所包围的像素去掉，并将所述待选区域剩下的区域作为感兴趣区域；否则，使用模式分类法对所述待选区域内的像素进行处理，并根据处理的结果在所述待选区域内生成感兴趣区域。

优选的，所述在对应于所述相位连续区域和对应于所述相位突变区域的不同的峰值之间选灰度择阈值的步骤为：对所述灰度直方图曲线进行平滑处理；将所述灰度直方图曲线中的对应于所述相位连续区域和对应于所述相位突变区域的两个峰值之间的灰度直方图曲线求一阶导数；将求得的灰度直方图曲线的一阶导数的绝对值的最小值对应的灰度作为灰度阈值。

优选的，所述在对应于所述相位突变区域边缘和对应于所述非相位突变区域边缘的不同峰值之间选择阈值的步骤为：对所述灰度空间一阶导数直方图曲线进行平滑处理；将所述灰度空间一阶导数直方图中的对应于所述相位突变区域边缘和所述非相位突变区域边缘的两个峰值之间的灰度空间一阶导数直方图曲线求一阶导数；将求得的灰度空间一阶导数直方图曲线的一阶导数绝对值最小值对应的灰度空间一阶导数作为导数阈值。

优选的，所述使用模式分类法对所述待选区域内的像素进行处理，并根据处理的结果在所述待选区域内生成感兴趣区域的步骤如下：在待选区域内预设若干信号相位均匀的训练区域；提取出所述训练区域中的不变矩特征；将所述训练区域中的不变矩输入反向传播的神经网络，对所述反向传播神经网络进行分析和训练；使用训练好的反向传播神经网络对所述待选区域内的图像进行处理，在所述待选区域内生成感兴趣区域。

优选的，所述相位突变区域包括血管组织区域。

上述无参考质子共振频率测温法中生成感兴趣区域的方法，通过对所述待选区域图像像素灰度的直方图和所述待选区域图像像素灰度空间一阶导数的直方图进行判断，根据判断的结果选择合适的算法对所述待选区域内的像素进行处理，能够快速获得精确的感兴趣区域，从而快速获得精确的温度测量值。

【附图说明】

图1为一个实施例中的一种无参考质子共振频率测温法中生成感兴趣区域的方法的流程图；

图2为Prewitt算子的差分示意图；

图3为一个实施例中的在灰度直方图中的对应于所述相位连续区域和对应于所述相位突变区域的不同的峰值之间选灰度择阈值的流程图；

图4为一个实施例中的在灰度空间一阶导数直方图中的对应于所述相位突变区域边缘和对应于所述非相位突变区域边缘的不同峰值之间选择导数阈值的流程图；

图5为一个实施例中的述使用模式分类法对待选区域内的像素进行处理，并根据处理的结果在待选区域内生成感兴趣区域的流程图；

图6为典型的BP神经网络模型。

【具体实施方式】

如图1所示，在一个实施例中，一种无参考质子共振频率测温法中生成感兴趣区域的方法，通过比较加热区域和感兴趣区域的相位差来计算加热区域的温度值。该无参考质子共振频率测温法中生成感兴趣区域的方法包括以下步骤：

步骤S101：在磁共振图像中获取加热区域，并在加热区域周围选择待选区域。

在一个实施例中，加热区域的大小和位置是确定的。选择加热区域附近的区域作为参考区域。参考区域的选取方法是：选择一包含加热区域的区域作为首选区，然后在首选区内将加热区域去掉后剩下的区域作为待选区域。或者直接在加热区域附近选择一区域作为待选区域。待选区域如果是信号相位连续的就可以直接用来和加热区域对比，以此来获得加热区域的温度。在待选区域内如果有血管，血管对应的相位就会发生突变，会影响到计算过程中对相位的多项式拟合。此时，需要对相位不连续的图像进行处理，要么去掉信号相位不连续的区域，要么将信号相位不连续的区域用信号相位连续的区域替换。

步骤S102：对待选区域内的图像像素灰度做空间一阶导数和直方图统计。

在一个实施例中的EPI(ECHO PLANAR IMAGING，回波平面成像)图像中，采集到的信号相位连续区域对应的是浅色区域，其像素的灰度比较大，血管部分对应的是信号相位突变的深色区域，其像素对应的灰度比较小。在信号相位连续区域的内部和血管内部的区域是相对比较均匀的区域，这一特点在图像像素灰度直方图上反映出来是灰度比较集中的分布在较大和较小的两个区域，每个区域都对应一个灰度直方图的峰值。

在采集到的MRI图像中，血管边缘部分对应的是像素灰度的空间一阶导数大的部分，非血管边缘部分对应的是像素灰度的空间一阶导数小的部分。在一个实施例中，对图像像素的灰度求一阶导数使用的是Prewitt算子。对像素灰度做空间一阶导数是为了通过使用Prewitt边缘检测算法检测出血管的边缘。Prewitt边缘检测算法的原理是图像的临近像素的灰度的差在边缘部分达到极值。Prewitt边缘检测算法的具体处理方法是对图像像素竖直和水平方向进行边缘检测。Prewitt算子的具体定义为：

p_x＝{f(x+1，y-1)+f(x+1，y)+f(x+1，y+1)-f(x-1，y-1)+f(x-1，y)+f(x-1，y+1)}(1)

p_y＝{f(x-1，y+1)+f(x，y+1)+f(x+1，y+1)-f(x-1，y-1)+f(x，y-1)+f(x+1，y-1)}(2)

其中f(x，y)表示数字图像，如图2所示，p_x表示图像在水平方向三个相邻的像素的灰度差，p_y表示图像在竖直方向三个相邻的像素的灰度差，其中x表示图像像素的行，y表示图像像素的列。使用Prewitt算子对整幅图像像素进行处理，得到的是关于整幅图像的空间一阶导数。为了方便的使用Prewitt边缘检测算法对图像的边缘进行处理，这里使用的像素灰度空间一阶导数都是 $\sqrt{{p_x}^2+{p_y}^2}/3.$

步骤S103：对待选区域内的图像像素灰度空间一阶导数做直方图统计。

在一个实施例中，在待选区域中，如果除边缘部分，其余部分比较均匀，那么磁共振图像像素灰度的空间一阶导数在信号相位连续区域和血管的内部都是比较小的，一阶导数比较大的区域集中在血管边缘部分。一般的，对于轮廓比较清楚的磁共振图像，图像像素灰度的空间一阶导数的直方图曲线上会有两个峰值。不同的是两个峰值的大小可能相差很大，因为信号相位连续区域和血管部分的像素数目远远大于血管边缘区域像素的数目。也可能出现的情况是灰度空间一阶导数直方图上有对应于非血管边缘部分的多个或零个峰值。

步骤S104：判断待选区域图像像素灰度的直方图是否有对应于相位连续区域和对应于相位突变区域的不同的峰值。

在一个实施例中，使用了三种算法对待选区域内的图像进行处理，一般的时候只会用到一种最合适的算法。三种算法分别为直方图统计算法、Prewitt边缘检测算法和模式分类法。其中直方图统计算法最为简单，适用于血管和信号相位连续区域图像像素的灰度差异较大的情况。Prewitt边缘检测算法适用于血管边缘轮廓清晰的情况。如果上述两种情况都不能很好的满足，那么使用模式分类法。使用模式分类算法对MRI图像进行处理，通过对反向传播的神经网络进行训练，使用训练好的反向传播的神经网络对待选区域像素进行处理，在待选区域内生成感兴趣区域。如何选择三种算法中的一种算法对待选区域内的像素进行处理是通过判断灰度直方图中是否有对应于相位连续区域和对应于相位突变区域的不同的峰值和判断灰度的空间一阶导数的直方图是否有对应于相位突变区域边缘和对应于非相位突变区域边缘的不同峰值来完成的。

步骤S105：如果待选区域图像像素灰度的直方图有对应于相位连续区域和对应于相位突变区域的不同的峰值，在对应于相位连续区域和对应于相位突变区域的不同的峰值之间选择灰度阈值，并将待选区域内像素的灰度和灰度阈值比较，根据比较的结果在待选区域内生成感兴趣区域，并结束。

在一个实施例中，如果血管区域的图像和信号相位连续区域的图像的像素灰度差异较大，在灰度直方图上信号相位连续区域和血管部分对应的像素就会区分开来。一般的，加热区域和感兴趣区域的大小很小，可能几个毫米，信号相位连续区域和血管部分的像素的灰度会比较均匀，这样在灰度直方图上会形成对应于信号相位连续区域和对应于血管的峰值。在对应于信号相位连续区域和对应于血管的峰值之间选择一灰度阈值，就可以将信号相位连续区域对应的像素和血管对应的像素分开。在一个实施例中的EPI(ECHO PLANAR IMAGING，回波平面成像)图像中，血管对应的像素灰度值要小于信号相位连续区域对应的像素灰度，在待选区域内将像素灰度大于位于血管对应的灰度峰值和信号相位连续区域对应的灰度峰值之间的灰度阈值的像素即为感兴趣区域的像素。

在一个实施例中，如图3所示，在对应于相位连续区域和对应于相位突变区域的不同的峰值之间选择阈值的步骤为：

步骤S115：对灰度直方图曲线进行平滑处理。

由于图像本身的噪声或者少数的图像像素灰度的分布不是很连续，导致图像像素灰度的直方图曲线不是很平滑，或者有部分像素的灰度超出灰度直方图曲线的轮廓的正常波动范围，所以要对灰度直方图曲线拟合出轮廓或者稍微做一些平滑处理，为下面的步骤中对灰度直方图曲线进行一阶导数的计算做好准备。

步骤S135：将灰度直方图曲线中的对应于相位连续区域和对应于相位突变区域的两个峰值之间的灰度直方图曲线求一阶导数。

在一个实施例中的EPI(ECHO PLANAR IMAGING，回波平面成像)图像中，在待选区域中，相位突变的区域为血管部分。信号相位连续区域在灰度直方图上对应的峰值的灰度要大于血管部分在灰度直方图上对应的峰值的灰度。对灰度直方图曲线求一阶导数是为了获得位于灰度直方图上的对应于血管的峰值和对应于信号相位连续区域的峰值之间的灰度阈值。

步骤S155：将求得的灰度直方图曲线的一阶导数的绝对值的最小值对应的灰度作为灰度阈值。

一般的情形，灰度阈值的选取比较的随意，在灰度直方图中对应于血管的峰值和对应于信号相位连续区域的峰值之间选一合适的值即可。这里，为了明确灰度阈值的大小，对经过平滑处理的对应于信号相位连续区域和对应于血管的两个峰值之间的灰度直方图曲线求一阶导数，然后将一阶导数绝对值最小值对应的灰度作为灰度阈值。

步骤S106：如果待选区域图像像素灰度的直方图没有对应于相位连续区域和对应于相位突变区域的不同的峰值，判断待选区域图像像素灰度的空间一阶导数的直方图是否有对应于相位突变区域边缘和对应于非相位突变区域边缘的不同峰值。

在一个实施例中，在灰度直方图上没有对应于相位连续区域和对应于相位突变区域的不同的峰值，不合适使用直方图法对待选区域的像素进行处理。通过判断待选区域图像像素灰度的空间一阶导数的直方图是否有对应于相位突变区域边缘和非相位突变区域边缘的不同峰值来确定对待选区域像素进行处理的算法。

步骤S107：如果待选区域图像像素灰度的空间一阶导数的直方图有对应于相位突变区域边缘和对应于非相位突变区域边缘的不同峰值，在对应于相位突变区域边缘和对应于非相位突变区域边缘的不同峰值之间选择导数阈值，并将待选区域内像素灰度空间一阶导数大于导数阈值的像素作为相位突变区域边缘像素，在待选区域内将相位突变区域边缘像素所包围的像素去掉，将待选区域剩下的区域作为感兴趣区域。

在一个实施例中，如果信号相位连续区域和血管所对应的图像像素灰度的大小相差不是很大，而且信号相位连续区域和血管内部的像素的灰度也不是很均匀，那么在图像像素灰度的直方图上很难有明显的对应于信号相位连续区域和对应于血管的峰值。但是，如果此时的图像有很明显的血管边缘部分，由于血管边缘部分对应的灰度空间一阶导数要大于信号相位连续区域和血管部分对应的像素的灰度的空间一阶导数，那么血管边缘部分对应的像素灰度的空间一阶导数在灰度空间一阶导数直方图上将会形成比较明显的峰值。而且血管边缘对应的峰值所对应的空间一阶导数的大小要远大于信号相位连续区域和血管所对应的像素的空间一阶导数的大小。此时，如果非血管边缘部分对应的像素的灰度的空间一阶导数比较单一，或信号相位连续区域对应的像素灰度的空间一阶导数或者血管对应的灰度的空间一阶导数比较单一，那么在像素灰度的空间一阶导数的直方图上将会有明显的区别于血管边缘对应的峰值，这里的峰值可能对应于血管和对应于信号相位连续区域。也可能出现的情况是只有血管边缘部分对应的峰值而没有其它部分对应的峰值。如果有多个峰值，这里只取血管边缘部分对应的峰值和与其在坐标轴上左边相邻的一个峰值，血管边缘对应的峰值所对应的空间一阶导数的大小应当是所有峰值对应的空间一阶导数中最大的。在对应于血管边缘的灰度空间一阶导数直方图上的峰和其在坐标轴上左相邻的一个峰之间选择一个导数阈值，将像素灰度空间一阶导数大于导数阈值的像素作为血管边缘像素。将对应于血管边缘的像素选出并将其所包围的像素去掉，待选区域剩下的像素即为相位连续区域的像素，也即感兴趣区域对应的像素。

在一个实施例中，如图4所示，在对应于相位突变区域边缘和非相位突变区域边缘的不同峰值之间选择导数阈值的步骤为：

步骤S117：对灰度空间一阶导数直方图曲线进行平滑处理。

一般的由于噪声或其它的原因，图像像素灰度空间一阶导数的直方图上会有跳动较大的部分而影响空间一阶导数直方图曲线的连续性。为了后续的对空间一阶导数直方图曲线进行求导能够顺利的进行，现在要做的便是对空间一阶导数直方图曲线的轮廓进行拟合或者直接对其进行平滑处理。

步骤S137：将灰度空间一阶导数直方图中的对应于相位突变区域边缘和对应于非相位突变区域边缘的两个峰值之间的灰度空间一阶导数直方图曲线求一阶导数。

在一个实施例中，将灰度空间一阶导数直方图中的对应于相位突变区域边缘和对应于非相位突变区域边缘的两个峰值之间的灰度空间一阶导数直方图曲线求一阶导数是为了获取灰度空间一阶导数直方图上的对应于相位突变区域边缘和对应于非相位突变区域边缘的两个峰值之间的导数阈值，以便将对应于血管边缘和非血管边缘的像素分开。

步骤S157：将求得的灰度空间一阶导数直方图曲线的一阶导数绝对值最小值对应的灰度空间一阶导数值作为导数阈值。

通过对经过平滑处理过的图像像素灰度的空间一阶导数直方图中的对应于血管边缘部分和对应于非血管边缘的两个峰值之间的空间一阶导数直方图曲线求一阶导数，将该空间一阶导数直方图曲线的一阶导数的绝对值最小值对应的空间一阶导数作为导数阈值。其实，导数阈值应当只是对应于血管边缘和对应于非血管边缘的两个峰值之间的某一值或某一范围，并不一定是谷底值。这里使用空间一阶导数直方图曲线的一阶导数绝对值最小值对应的空间一阶导数作为导数阈值是为了方便计算。

步骤S108：否则，使用模式分类法对待选区域内的像素进行处理，并根据处理的结果在待选区域内生成感兴趣区域。

在一个实施例中，在MRI图像像素的灰度直方图上很难找到对应于信号相位连续区域和对应于血管的峰值，在MRI图像像素的灰度空间一阶导数的直方图上也很难找到对应于血管边缘和对应于非血管边缘的峰值。那么使用直方图算法和Prewitt边缘检测算法就很难将图像上的血管和信号相位连续区域区分开来。此时，使用模式分类法对待选区域内的像素进行处理，并根据处理的结果在待选区域内生成感兴趣区域。如图5所示，具体的的步骤如下：

步骤S118：在待选区域内预设若干信号相位均匀的训练区域。

在一个实施例中，使用反向传播的神经网络对待选区域内的像素进行处理之前，需要选取若干信号相位均匀的血管区域和相位连续区域作为训练区域，并使用该训练区域对神经网络进行训练。

步骤S138：提取出训练区域中的不变矩特征。

不变矩是指物体图像经过平移、旋转以及比例变换仍保持不变的矩特征量。

设物体的二维图像用f(x，y)表示，其(p+q)阶矩定义为：

$m_{\mathrm{pq}}=\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{x}^p{y}^{q}f(x,y)---\left(3\right)$

(p+q)阶中心矩定义为：

${\mathrm{\μ}}_{\mathrm{pq}}=\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{(x-x_0)}^p{(y-y_0)}^{q}f(x,y)---\left(4\right)$

其中

对于二维图像，x₀表示图像灰度在水平方向上的灰度重心；y₀表示图像灰度在垂直方向上的灰度重心。

(p+q)阶规范化中心矩定义为：

${\mathrm{\η}}_{\mathrm{pq}}=\frac{{\mathrm{\μ}}_{\mathrm{pq}}}{{\mathrm{\μ}}_{00}^r}---\left(5\right)$

其中r＝(p+q+2)/2，p+q＝2，3，...

利用二阶和三阶规范化中心矩可以导出下面7个不变矩组：

M₁＝η₂₀+η₀₂    (6)

$M_2={({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02})}^2+4{\mathrm{\η}}_{11}^2---\left(7\right)$

M₃＝(η₃₀-3η₁₂)²+(3η₂₁-η₀₃)²    (8)

M₄＝(η₃₀+η₁₂)²+(η₂₁+η₀₃)²                               (9)

M₅＝(η₃₀-3η₁₂)(η₃₀+η₁₂)[(η₃₀+η₁₂)²-3(η₂₁+η₀₃)²]+    (10)

    (3η₂₁+η₀₃)(η₂₁+η₀₃)[3(η₃₀+η₁₂)²-(η₂₁+η₀₃)²]

M₆＝(η₂₀-η₀₂)[(η₃₀+η₁₂)²-(η₂₁+η₀₃)²]+(11)

    4η₁₁(η₃₀+η₁₂)(η₂₁+η₀₃)

M₇＝(3η₁₂-η₃₀)(η₃₀+η₁₂)[(η₃₀+η₁₂)²-3(η₂₁+η₀₃)²]+    (12)

    (3η₂₁-η₀₃)(η₂₁+η₀₃)[3(η₃₀+η₁₂)²-(η₂₁+η₀₃)²]

这7个不变矩组(6)-(12)具有平移不变性、旋转不变性和比例不变，能有效地反映图像的本质特征。

步骤S158：将在训练区域中提取的不变矩输入反向传播神经网络，对反向传播神经网络进行分析和训练。

反向传播(BP)神经网络是一种按误差向后传播规则训练的多层前馈网络。网络除输入输出节点外，还有一层或多层的隐层节点，同层节点中没有任何耦合。输入信号从输入层节点依次传过各隐层节点，然后传到输出节点，如果误差不符合要求，则根据希望的输出和实际的网络输出之间的误差平方最小原则来修改网络的权值。一个典型的BP神经网络模型如图6所示。

设置BP神经网络的输入节点的数目为7，对应于输入MRI图像的七个不变矩。输出节点为感兴趣区域和非感兴趣区域两个节点。将训练区域内的像素的七个不变矩输入到BP神经网络中，对BP神经网络进行训练，得到感兴趣区域和非感兴趣区域的输出。

步骤S178：使用训练好的反向传播神经网络对待选区域内的图像进行处理，在待选区域内生成感兴趣的区域。

在一个实施例中，使用训练好的BP神经网络对待选区域内的像素进行处理，并在待选区域中生成感兴趣区域。

上述无参考质子共振频率测温法中生成感兴趣区域的方法，通过对所述待选区域图像像素灰度的直方图和所述待选区域图像像素灰度空间一阶导数的直方图进行判断，根据判断的结果选择合适的算法对所述待选区域内的像素进行处理，能够快速获得精确的感兴趣区域，从而快速获得精确的温度测量值。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种无参考质子共振频率测温法中生成感兴趣区域的方法，所述无参考质子共振频率测温通过比较磁共振图像的加热区域和感兴趣区域的相位差来计算加热区域的温度值，其特征在于，所述无参考质子共振频率测温法中生成感兴趣区域的方法包括以下步骤：

在磁共振图像中获取加热区域，并在所述加热区域周围选择待选区域；

对所述待选区域内的图像像素灰度做空间一阶导数和直方图统计；

对所述待选区域内的图像像素灰度空间一阶导数做直方图统计；

判断所述待选区域图像灰度的直方图是否有对应于相位连续区域和对应于相位突变区域的不同的峰值；

如果所述待选区域图像灰度的直方图有对应于所述相位连续区域和对应于所述相位突变区域的不同的峰值，在对应于所述相位连续区述域和对应于所述相位突变区域的不同的峰值之间选择灰度阈值，并将所述待选区域内像素灰度和所述灰度阈值进行比较，根据比较的结果在所述待选区域内生成感兴趣区域，并结束；

如果所述待选区域图像灰度的直方图没有对应于所述相位连续区域和对应于所述相位突变区域的不同的峰值，则判断所述待选区域图像像素灰度的空间一阶导数的直方图是否有对应于相位突变区域边缘和对应于非相位突变区域边缘的不同峰值；

如果所述待选区域图像像素灰度的空间一阶导数的直方图有对应于所述相位突变区域边缘和对应于所述非相位突变区域边缘的不同峰值，在对应于所述相位突变区域边缘和对应于所述非相位突变区域边缘的不同峰值之间选择导数阈值，并将所述待选区域内像素灰度空间一阶导数大于所述导数阈值的像素作为所述相位突变区域的边缘像素，在所述待选区域内将所述相位突变区域边缘像素所包围的像素去掉，并将所述待选区域剩下的区域作为感兴趣区域；

否则，使用模式分类法对所述待选区域内的像素进行处理，并根据处理的结果在所述待选区域内生成感兴趣区域。

2.如权利要求1所述的无参考质子共振频率测温法中生成感兴趣区域的方法，其特征在于，所述在对应于所述相位连续区域和对应于所述相位突变区域的不同的峰值之间选灰度择阈值的步骤为：

对所述图像灰度的直方图曲线进行平滑处理；

将所述图像灰度的直方图曲线中的对应于所述相位连续区域和对应于所述相位突变区域的两个峰值之间的图像灰度的直方图曲线求一阶导数；

将求得的图像灰度的直方图曲线的一阶导数的绝对值的最小值对应的灰度作为灰度阈值。

3.如权利要求1所述的无参考质子共振频率测温法中生成感兴趣区域的方法，其特征在于，所述在对应于所述相位突变区域边缘和对应于所述非相位突变区域边缘的不同峰值之间选择阈值的步骤为：

对所述灰度空间一阶导数直方图曲线进行平滑处理；

将所述灰度空间一阶导数直方图中的对应于所述相位突变区域边缘和所述非相位突变区域边缘的两个峰值之间的灰度空间一阶导数直方图曲线求一阶导数；

将求得的灰度空间一阶导数直方图曲线的一阶导数绝对值最小值对应的灰度空间一阶导数作为导数阈值。

4.如权利要求1所述的无参考质子共振频率测温法中生成感兴趣区域的方法，其特征在于，所述使用模式分类法对所述待选区域内的像素进行处理，并根据处理的结果在所述待选区域内生成感兴趣区域的步骤如下：

在待选区域内预设若干信号相位均匀的训练区域；

提取出所述训练区域中的不变矩特征；

将所述训练区域中的不变矩输入反向传播神经网络，对所述反向传播神经网络进行分析和训练；

使用训练好的反向传播神经网络对所述待选区域内的图像进行处理，在所述待选区域内生成感兴趣区域。

5.如权利要求1所述的无参考质子共振频率测温法中生成感兴趣区域的方法，其特征在于，所述相位突变区域包括血管组织区域。

Images