磁共振复数图像小波去噪分析-信号与信息处理专业论文.docxVIP

PAGE PAGE 10 引 言 当前，以 X 线、核素、超声波、CT 和 MRI 为主的显像技术，形成了一门 崭新的医学学科，即医学影像学（Medical Imageology），其中磁共振成像（Magnetic Resonance Imaging，简称 MRI）的临床应用是医学影像学中的一场革命，是当代 “医学诊断武器库”中飞跃发展的“新武器”，它是几十年来，电子学和电子计 算机技术、X 线、CT 技术，以及磁共振频谱学（MRS）等先进科学技术相互结 合的结晶[15]。 MRI 的最大优点是能够在对身体没有损害的前提下，快速地获取患者身体 内部结构最精确的立体图像，之所以比计算机断层成像（Computer Tomography， 简称 CT）和超声波(ultrasound)成像技术更受欢迎，主要是因为它具有更高的空 间分辨率和软组织对比度。但是由于硬件设备的原因和成像过程中病人身体运动 以及生理活动的影响，高分辨率的 MRI 通常呈现出较大的噪声伪影，导致图像 的信噪比不太理想。这些噪声伪影掩盖了重要的解剖细节，对图像的解释和医疗 诊断带来不利因素。为提高图像质量在成像过程中产生的信号平均法﹑快速成像 法﹑物理方法等降低噪声伪影的手段，其效果仍有一定的局限性。因此利用已损 数据，用信号处理的方法恢复出高质量图像的后处理方法越来越引起人们的注 意，使后处理过程中的降噪处理成为提高 MR 图像质量的重要手段。由于人体自 身信号弱，又受到强噪声的干扰，导致生物医学信号具有随机性强﹑非平稳性明 显和噪声复杂等特点，使其研究成为当代信号处理技术中最有开发潜力的一个重 要领域。小波分析在非平稳信号处理方面无可替代的优越性及其强大的数学理论 基础,使其在医学成像、疾病诊断和视频协议等科学领域占据着重要的地位，信 号降噪是其在医学图像中已经取得很大成功的领域之一，其中最主要的两类应用 就是针对磁共振成像(MRI)和医学超声波的降噪处理。简单地讲降噪的目的是在 去除噪声的同时尽可能地保留原有信号特征，而小波分析是一种时频域分析，能 够把信号分解到代表不同频带的多个尺度上，具有多分辨分析的特性，适合于非 平稳信号处理，而且在适当的尺度下，非平稳的跳变信号会呈现出与噪声截然不 同的特性，利用这种特性可以有效地将信号与噪声分开。 通常的小波域去噪方法都是假定噪声类型为高斯白噪声（Gaussian white noise），而我们知道 MRI 因其成像的特殊性其噪声也有自身的特点。MRI 的原始 数据，也称为 k-空间数据，是从频域空间获取的复数型数据，即由从数字转换器 中得到的实部和虚部信号组成，这两种信号成分是独立的且分别受到高斯白噪声 的影响，从而使原始空间中的数据呈现复数 Gaussian 模型。而通常用于视觉检 测和计算机辅助分析的图像是复数图像重建后的幅度图像，幅度图像中的噪声并 不是高斯白噪声，而是呈现与信号相关的 Rician 分布。具体地说，在幅度图像 中，低强度（偏暗）区域的噪声分布趋于 Rayleigh 分布；高亮度（偏亮）区域 的噪声分布趋于 Gaussian 分布。 小波变换在医学影像学中的首例应用就是 1991 年 Weaver 等人[1]提出的小波 域软阈值法在 MRI 噪声衰减中的应用。随后许多基于小波变换的图像去噪方法[2-6] 应用而生，但是都没有考虑到 MRI 幅度图像中噪声的 Rician 分布。Nowak[7]针 对幅度图像中的噪声的 Rician 分布，将幅度图像平方后用非中心 χ 2 分布的建模 平方变量，去除尺度系数中恒定的与信号相关的偏差，开方后重构回幅度图像再 进行降噪处理。这个技术被证明是有效的，幅度平方方法较之以前的方法有明显 的提高，但是在信噪比较高的情况下没有明显的优势，且计算代价较高。由于 MRI 原始数据的实部和虚部的噪声都呈现 Gaussian 分布，且现有的各种去噪方 法都是针对 Gaussian 噪声，所以原始 k-空间的复数域去噪方法也成为此领域的 研究热点。Zaroubi 等人[8]已经表明这类方法不仅在性能上超越幅度方法，而且 所需的计算代价较小。Wood 和 Johnson[9]以及 Bao 和 Zhang[10]分别采用小波包和 自适应多尺度积阈值方法针对 MR 信号的实部和虚部分别降噪，相对于幅度方法 保留了更多的边缘信息。 最近，Wirestam 等人[11]针对复数 MR 图像中的复数数据类型设计了一种 Wiener-like 滤波方法，用于实部和虚部的分别降噪，该算法是一次硬阈值滤波与 两次维纳滤波的有效结合，仿真和实验数据显示了很好的噪声抑制效果。但是 Wirestam 的滤波方法本身存在三点可以再次改进的地方，有望进一步提高噪声抑 制效果。首先，此算