CN104766351B - 一种mri超范围编码成像方法 - Google Patents
一种mri超范围编码成像方法 Download PDFInfo
- Publication number
- CN104766351B CN104766351B CN201510197277.2A CN201510197277A CN104766351B CN 104766351 B CN104766351 B CN 104766351B CN 201510197277 A CN201510197277 A CN 201510197277A CN 104766351 B CN104766351 B CN 104766351B
- Authority
- CN
- China
- Prior art keywords
- image
- matrix
- encoder matrix
- coding
- fusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种MRI超范围编码成像方法，包括以下步骤：A、获取若干个图像；B、以第一图像作为中心图像进行编码成像，形成目标图像，并依此目标图像为目标值，对剩余图像进行依次编码；C、依次选取其它图像为中心图像，进行上述步骤B的编码过程；D、对编码矩阵进行融合；E、进行循环编码比较，最终得到最终图像。本发明能够解决现有技术的不足，降低了伪影的影响。
Description
技术领域
本发明涉及MRI图像处理技术领域，尤其是一种MRI超范围编码成像方法。
背景技术
磁共振成像(MRI)已发展成为一种非常强大的医学诊断手段，它特别适应于脑组织、神经系统以及人体软组织等部位的诊断检测，能够在清晰的解剖影像背景上明确显示出病变影像。MRI已经被广泛应用于医学临床诊断，成为重要的疾病诊断手段之一。中国发明专利申请CN 103300859A、CN 104161517A等现有技术公开了不同的核磁共振成像技术，但是，对于核磁共振对于视野小于被检部位时的图像伪影问题，不能彻底解决，仍然有明显的伪影。
发明内容
本发明要解决的技术问题是提供一种MRI超范围编码成像方法，能够解决现有技术的不足，降低了伪影的影响。
为解决上述技术问题，本发明所采取的技术方案如下。
一种MRI超范围编码成像方法，步骤如下：
A、获取视野范围内的第一图像，以及第一图像外侧的第二图像、第三图像…第n图像，其中n≥4，第二图像～第n图像均与第一图像部分重叠；
B、将第一图像作为中心图像进行编码成像，形成目标图像，其编码参数根据相关性分成若干组，每组参数的数量相同，其数量等于包含参数最多的参数组的参数数量，其余参数组空缺的参数使用本组参数的加权平均值代替，将所有参数组合成第一编码矩阵，以目标图像为目标值，按照上述编码方法对剩余图像进行依次编码，得到第二编码矩阵、第三编码矩阵…第n编码矩阵，在形成编码矩阵时保证每个编码矩阵均为非奇异矩阵；
C、依次选择第二图像～第n图像为中心图像，重复步骤B的过程，每个中心图像均得到其对应的n-1个编码矩阵；
D、将与第一图像相关的编码矩阵归为甲类编码矩阵，其余编码矩阵归为乙类编码矩阵，将甲类编码矩阵内的编码矩阵分为若干个矩阵对，每个矩阵对内的两个图像互为中心图像和目标图像，将矩阵对内未以第一图像作为中心图像的编码矩阵求逆，然后与另一个以第一图像作为中心图像的编码矩阵进行融合，形成若干个融合矩阵，逐一求取乙类编码矩阵的特征向量，将特征向量与其相关的融合矩阵进行二次融合；
其中特征向量与融合矩阵相关的定义为：求取特征向量的乙类编码矩阵所涉及的两个图像中任意一个图像与融合矩阵所涉及的非第一图像相同，即定义特征向量与融合矩阵相关；
E、使用步骤D中得到的二次融合矩阵对第二图像～第n图像进行重新编码，编码的结果与以第一图像作为中心图像进行编码形成的目标图像进行比较，若比较差异小于等于阈值，则将n个图像进行合并，得到最终编码结果，若比较差异大于阈值，则以最终编码结果作为新的第一图像，重复步骤B～步骤E，直至比较差异小于阈值。
作为本发明的一种优选技术方案，步骤D中，两个编码矩阵的融合采用K-means聚类算法融合，特征向量与其相关的融合矩阵的融合采用特征向量与融合矩阵相乘的方式进行。
作为本发明的一种优选技术方案，步骤E中，编码后形成的图像进行比较的方法为，选取相等数量的参考像素点，两个图像中像素点灰度值相减，其结果中的最大值与两个图像像素点灰度值的平均值之比即为差异值。
为本发明的一种优选技术方案，所述阈值为5％～7％。
为本发明的一种优选技术方案，选取参考像素点时，参考像素点在图像中不同位置的分布密度与步骤A中不同图像间的重叠次数成反比。
采用上述技术方案所带来的有益效果在于：本发明通过不同图像间的互相编码处理，得出多组相互关联的编码参数矩阵，通过对编码矩阵进行融合处理，得到较佳编码参数，可以逐渐消除编码过程中不同图像带来的伪影。
附图说明
图1是未采用本发明成像方法得到的腰椎矢状位图像。
图2是使用了本发明提供的成像方法得到的腰椎矢状位图像。
具体实施方式
由于图像选取的数量与循环计算的循环次数成反比，以腰椎处的核磁共振成像为例，这个视野范围选取6张图像进行编码处理可以以最少的计算量得到合格的图像。
一种MRI超范围编码成像方法，步骤如下：
A、获取视野范围内的第一图像，以及第一图像外侧的第二图像、第三图像…第六图像，第二图像～第六图像均与第一图像部分重叠；
B、将第一图像作为中心图像进行编码成像，形成目标图像，其编码参数根据相关性分成若干组，每组参数的数量相同，其数量等于包含参数最多的参数组的参数数量，其余参数组空缺的参数使用本组参数的加权平均值代替，将所有参数组合成第一编码矩阵，以目标图像为目标值，按照上述编码方法对剩余图像进行依次编码，得到第二编码矩阵、第三编码矩阵…第六编码矩阵，在形成编码矩阵时保证每个编码矩阵均为非奇异矩阵；在计算本组参数的加权平均值时，每个参数的加权量与此参数对图像进行编码时所进行的映射路径的长度成反比；
C、依次选择第二图像～第六图像为中心图像，重复步骤B的过程，每个中心图像均得到其对应的五个编码矩阵；
D、将与第一图像相关的编码矩阵归为甲类编码矩阵，其余编码矩阵归为乙类编码矩阵，将甲类编码矩阵内的编码矩阵分为若干个矩阵对，每个矩阵对内的两个图像互为中心图像和目标图像，将矩阵对内未以第一图像作为中心图像的编码矩阵求逆，然后与另一个以第一图像作为中心图像的编码矩阵进行融合，形成若干个融合矩阵，逐一求取乙类编码矩阵的特征向量，将特征向量与其相关的融合矩阵进行二次融合；
其中特征向量与融合矩阵相关的定义为：求取特征向量的乙类编码矩阵所涉及的两个图像中任意一个图像与融合矩阵所涉及的非第一图像相同，即定义特征向量与融合矩阵相关；
两个编码矩阵的融合采用K-means聚类算法融合，若融合后的编码矩阵与任意一个融合前的编码矩阵的欧氏距离大于融合后的编码矩阵与另一个融合前的编码矩阵的欧氏距离的2倍，则使用融合后的编码矩阵再次与和其欧氏距离较近的编码矩阵进行融合，直至融合后的编码矩阵与任意一个融合前的编码矩阵的欧氏距离小于等于融合后的编码矩阵与另一个融合前的编码矩阵的欧氏距离的2倍；特征向量与其相关的融合矩阵的融合采用特征向量与融合矩阵相乘的方式进行，融合后再乘以一个融合因子，融合因子的大小与特征向量所对应的特征值成正比；
E、使用步骤D中得到的二次融合矩阵对第二图像～第六图像进行重新编码，编码的结果与以第一图像作为中心图像进行编码形成的目标图像进行比较，若比较差异小于等于阈值，则将六个图像进行合并，得到最终编码结果，若比较差异大于阈值，则以最终编码结果作为新的第一图像，重复步骤B～步骤E，直至比较差异小于阈值，编码后形成的图像进行比较的方法为，选取相等数量的参考像素点，两个图像中像素点灰度值相减，其结果中的最大值与两个图像像素点灰度值的平均值之比即为差异值，阈值为6.5％，选取参考像素点时，参考像素点在图像中不同位置的分布密度与步骤A中不同图像间的重叠次数成反比。
参考图1和图2，可以明显看出，本发明所提供的成像方法可以明显减低伪影的影响，提高图像清晰度。
上述描述仅作为本发明可实施的技术方案提出，不作为对其技术方案本身的单一限制条件。
Claims (5)
1.一种MRI超范围编码成像方法，其特征在于步骤如下：
A、获取视野范围内的第一图像，以及第一图像外侧的第二图像、第三图像…第n图像，其中n≥4，第二图像～第n图像均与第一图像部分重叠；
B、将第一图像作为中心图像进行编码成像，形成目标图像，其编码参数根据相关性分成若干组，每组参数的数量相同，其数量等于包含参数最多的参数组的参数数量，其余参数组空缺的参数使用本组参数的加权平均值代替，将所有参数组合成第一编码矩阵，以目标图像为目标值，按照上述编码方法对第二图像、第三图像、第四图像...第n图像中除去与目标图像重叠部分的图像进行依次编码，得到第二编码矩阵、第三编码矩阵…第n编码矩阵，在形成编码矩阵时保证每个编码矩阵均为非奇异矩阵；
C、依次选择第二图像～第n图像为中心图像，重复步骤B的过程，每个中心图像均得到其对应的n-1个编码矩阵；
D、将与第一图像相关的编码矩阵归为甲类编码矩阵，其余编码矩阵归为乙类编码矩阵，将甲类编码矩阵内的编码矩阵分为若干个矩阵对，每个矩阵对内的两个图像互为中心图像和目标图像，将矩阵对内未以第一图像作为中心图像的编码矩阵求逆，然后与另一个以第一图像作为中心图像的编码矩阵进行融合，形成若干个融合矩阵，逐一求取乙类编码矩阵的特征向量，将特征向量与其相关的融合矩阵进行二次融合；
其中特征向量与融合矩阵相关的定义为：求取特征向量的乙类编码矩阵所涉及的两个图像中任意一个图像与融合矩阵所涉及的非第一图像相同，即定义特征向量与融合矩阵相关；
E、使用步骤D中得到的二次融合矩阵对第二图像～第n图像进行重新编码，编码的结果与以第一图像作为中心图像进行编码形成的目标图像进行比较，若比较差异小于等于阈值，则将n个图像进行合并，得到最终编码结果，若比较差异大于阈值，则以将n个图像进行合并得到的编码结果作为新的第一图像，重复步骤B～步骤E，直至比较差异小于阈值。
2.根据权利要求1所述的MRI超范围编码成像方法，其特征在于：步骤D中，两个编码矩阵的融合采用K-means聚类算法融合，特征向量与其相关的融合矩阵的融合采用特征向量与融合矩阵相乘的方式进行。
3.根据权利要求1所述的MRI超范围编码成像方法，其特征在于：步骤E中，编码后形成的图像进行比较的方法为，选取相等数量的参考像素点，两个图像中像素点灰度值相减，其结果中的最大值与两个图像像素点灰度值的平均值之比即为差异值。
4.根据权利要求3所述的MRI超范围编码成像方法，其特征在于：所述阈值的取值范围为5％～7％。
5.根据权利要求3所述的MRI超范围编码成像方法，其特征在于：选取参考像素点时，参考像素点在图像中不同位置的分布密度与步骤A中不同图像间的重叠次数成反比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510197277.2A CN104766351B (zh) | 2015-04-24 | 2015-04-24 | 一种mri超范围编码成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510197277.2A CN104766351B (zh) | 2015-04-24 | 2015-04-24 | 一种mri超范围编码成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104766351A CN104766351A (zh) | 2015-07-08 |
| CN104766351B true CN104766351B (zh) | 2018-06-01 |
Family
ID=53648156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510197277.2A Active CN104766351B (zh) | 2015-04-24 | 2015-04-24 | 一种mri超范围编码成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104766351B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106683143B (zh) * | 2016-01-21 | 2021-03-16 | 上海联影医疗科技股份有限公司 | 图像金属伪影校正方法 |
| CN108549828B (zh) * | 2017-12-27 | 2021-02-19 | 黄毅峰 | 等价二值正方矩阵识别系统及其识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101385046A (zh) * | 2006-02-15 | 2009-03-11 | 皇家飞利浦电子股份有限公司 | 减少显示图像中的压缩伪影、分析编码参数 |
| CN104161517A (zh) * | 2014-06-12 | 2014-11-26 | 中国科学院苏州生物医学工程技术研究所 | 一种用于mri对比度增强的成像方法 |
| CN104200441A (zh) * | 2014-09-18 | 2014-12-10 | 南方医科大学 | 基于高阶奇异值分解的磁共振图像去噪方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9277194B2 (en) * | 2011-11-08 | 2016-03-01 | Texas Instruments Incorporated | Method and apparatus for image and video coding using hierarchical sample adaptive band offset |
-
2015
- 2015-04-24 CN CN201510197277.2A patent/CN104766351B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101385046A (zh) * | 2006-02-15 | 2009-03-11 | 皇家飞利浦电子股份有限公司 | 减少显示图像中的压缩伪影、分析编码参数 |
| CN104161517A (zh) * | 2014-06-12 | 2014-11-26 | 中国科学院苏州生物医学工程技术研究所 | 一种用于mri对比度增强的成像方法 |
| CN104200441A (zh) * | 2014-09-18 | 2014-12-10 | 南方医科大学 | 基于高阶奇异值分解的磁共振图像去噪方法 |
Non-Patent Citations (3)
| Title |
|---|
| 《MR-compatible ultrasound research platform for motion tracking to reduce motion induced artifacts in MR imaging》;Steffen H. Tretbar等;《IEEE International Ultrasonics Symposium》;20140130;第47卷(第1期);第553-556页 * |
| 《磁共振图像伪影的产生机理及其解决办法的研究》;刘海滨等;《中国医疗设备》;20111025;第26卷(第10期);第114-117页 * |
| 《磁共振成像中的运动伪影消除方法研究》;谭裴;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20091015(第10期);第1-94页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104766351A (zh) | 2015-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110689083B (zh) | 一种上下文金字塔融合网络及图像分割方法 | |
| Sánchez et al. | Brain MRI super-resolution using 3D generative adversarial networks | |
| CN108829639B (zh) | 一种磁共振成像方法和设备 | |
| Jog et al. | Magnetic resonance image synthesis through patch regression | |
| Heemskerk et al. | Quantitative assessment of DTI‐based muscle fiber tracking and optimal tracking parameters | |
| CN108416821B (zh) | 一种深度神经网络的ct图像超分辨重建方法 | |
| CN108717717A (zh) | 基于卷积神经网络和迭代方法相结合的稀疏mri重建的方法 | |
| CN110675461A (zh) | 一种基于无监督学习的ct图像恢复方法 | |
| Ramlal et al. | An improved multimodal medical image fusion scheme based on hybrid combination of nonsubsampled contourlet transform and stationary wavelet transform | |
| CN117408929B (zh) | 基于图像特征的肿瘤ct图像区域动态增强方法 | |
| Min et al. | Change of brain functional connectivity in patients with spinal cord injury: graph theory based approach | |
| CN107248180B (zh) | 一种基于隐状态模型的fMRI自然图像解码方法 | |
| CN107656224A (zh) | 一种磁共振成像方法、装置及系统 | |
| CN111598964B (zh) | 一种基于空间自适应网络的定量磁化率图像重建方法 | |
| CN104700390B (zh) | 双能ct造影剂增强扫描图像中的钙化部分识别方法 | |
| CN104766351B (zh) | 一种mri超范围编码成像方法 | |
| Jog et al. | Random forest flair reconstruction from t 1, t 2, and p d-weighted mri | |
| Li et al. | High-resolution pelvic MRI reconstruction using a generative adversarial network with attention and cyclic loss | |
| CN109003281A (zh) | 一种基于三维空间模型获得单块脊椎骨的装置及方法 | |
| CN108377641B (zh) | 磁共振血管壁成像方法和设备 | |
| Xue-jun et al. | A medical image fusion algorithm based on lifting wavelet transform | |
| Almi'ani et al. | Automatic segmentation algorithm for brain MRA images | |
| CN104899841B (zh) | 一种核磁共振图像的生成计算方法 | |
| Campáz-Usuga et al. | Quality Enhancement of Breast DCE-MRI Images Via Convolutional Autoencoders | |
| Besson et al. | Automatic detection of subtle focal cortical dysplasia using surface-based features on MRI |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201118 Address after: 071000 commercial, Room 202, Shenzhen Garden Exhibition Center, 299 Dongsanhuan, Lianchi District, Baoding City, Hebei Province Patentee after: HEBEI HUIREN MEDICAL EQUIPMENT TECHNOLOGY Co.,Ltd. Address before: 072450 planning road, Wangdu County, Hebei, Baoding Patentee before: HUIREN WANGDU MEDICAL EQUIPMENT SCIENCE & TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |