基于图像子块低秩分解的ASL图像去噪方法及系统技术方案

本发明专利技术涉及一种基于图像子块低秩分解的ASL图像去噪方法及系统，其中包括采集多个控制图像和对应的多个标记图像，形成多个图像对；将每一个图像对中的控制图像减去对应的标记图像，得到一脑血流图像，所述脑血流图像组成一脑血流图像序列；基于图像子块低秩分解对所述脑血流图像序列进行去噪。本发明专利技术提供了一种基于图像子块低秩分解的ASL图像去噪方法及系统，综合考虑空间的一致性，充分利用局部图像信息，获取更好的ASL的灌注磁共振成像去噪效果，优化ASL的灌注磁共振图像，可以提高基于灌注磁共振图像进行脑部疾病诊断的准确度。

ASL image denoising method and system based on image subblock low rank decomposition

The invention relates to a ASL image denoising method and system based on low rank decomposition of image subblocks, which includes collecting a plurality of control images and corresponding multiple label images to form a plurality of image pairs; a brain blood flow image is obtained, and the cerebral blood flow image is obtained by subtracting the corresponding marked image from the control images in each image. A sequence of cerebral blood flow is formed, and the sequence of the cerebral blood flow is de-noised based on image subblock low rank decomposition. The invention provides a ASL image denoising method and system based on the image subblock low rank decomposition. Considering the consistency of the space and making full use of the local image information to obtain better ASL perfusion magnetic resonance imaging de-noising effect and optimize the ASL perfusion magnetic resonance image, it can improve the brain based on the perfusion magnetic resonance image to carry out the brain. The accuracy of the diagnosis of the disease.

【技术实现步骤摘要】
基于图像子块低秩分解的ASL图像去噪方法及系统
本专利技术涉及图像处理
，尤其涉及图像去噪
，具体是指一种基于图像子块低秩分解的ASL图像去噪方法及系统。
技术介绍
基于动脉自旋标记(ASL)的灌注磁共振成像(ASLperfusionMRI，以下简称ASLMRI)是一种无创无放射性的测量全脑和局部脑血流(cerebralbloodflow，简称CBF)的技术。该技术被广泛地应用于动态脑活动的研究中。然而，由于ASL数据信噪比低，利用ASLMRI测量脑活动的时候容易受到噪音的影响，从而影响测量的准确性。目前广泛采用CompCor方法(Behzadi，Y.，etal.，Acomponentbasednoisecorrectionmethod(CompCor)forBOLDandperfusionbasedfMRI.Neuroimage，2007.37(1):p.90-101)来进行ASL去噪。但是，CompCor是一种单变量的方法并没有考虑空间的一致性，从而影响去噪的效果。
技术实现思路
本专利技术提供了一种基于图像子块低秩分解的ASL图像去噪方法及系统，其目的在于克服现有技术中的缺陷，充分利用局部图像信息，优化ASL的灌注磁共振成像。为了实现上述目的，本专利技术具有如下构成：该基于图像子块低秩分解的ASL图像去噪方法，包括：采集多个控制图像和对应的多个标记图像，形成多个图像对；将每一个图像对中的控制图像减去对应的标记图像，得到一脑血流图像，所述脑血流图像组成一脑血流图像序列；基于图像子块低秩分解对所述脑血流图像序列进行去噪。可选地，对所述脑血流图像序列进行去噪，包括如下步骤：在所述脑血流图像序列中每个脑血流图像的相同位置选取一图像子块；基于图像子块低秩分解对各个图像子块进行去噪；在每个脑血流图像的下一相同位置继续选取一图像子块，对各个图像子块进行去噪，直至每个脑血流图像中所有图像子块均去噪完成为止。可选地，所述基于图像子块低秩分解对各个图像子块进行去噪，包括如下步骤：将各个图像子块的灰度值排列成一列向量，所有图像子块的列向量组成一初始矩阵；利用矩阵的低秩分解模型将所述初始矩阵分解成一低秩矩阵和一稀疏矩阵；将所述低秩矩阵中的每一列重新排列成三维的图像块，并且将得到的图像块替换对应的脑血流图像中选取的图像子块。可选地，根据如下公式将所述初始矩阵分解成一低秩矩阵和一稀疏矩阵：minL,S||L||*+λ||S||1,s.tM＝L+S其中，M为初始矩阵，L为低秩矩阵，S为稀疏矩阵，||·||*表示求矩阵的核范数，||·||1表示对矩阵元素的绝对值求和，λ为预设的低秩项和稀疏项调节参数，且λ为正数。可选地，λ取值为其中m为初始矩阵的行数。可选地，在每个脑血流图像的下一相同位置继续选取一图像子块时，以所述图像子块的一半作为步长顺序进行图像子块的选取，新选择的图像子块与前一图像子块部分重合。可选地，对两个图像子块重合的部分，取其平均值，作为去噪图像相应位置的值。可选地，每个图像子块为三维立方体结构，且每个图像子块的大小为8×8×4像素。可选地，至少采集76个控制图像和对应的76个标记图像。本专利技术实施例还提供一种基于图像子块低秩分解的ASL图像去噪系统，实现所述的基于图像子块低秩分解的ASL图像去噪方法，所述系统包括：图像采集模块，用于采集多个控制图像和对应的多个标记图像，形成多个图像对；图像序列获取模块，用于将每一个图像对中的控制图像减去对应的标记图像，得到一脑血流图像，所述脑血流图像组成一脑血流图像序列；去噪模块，用于基于图像子块低秩分解对所述脑血流图像序列进行去噪。采用了该专利技术中的基于图像子块低秩分解的ASL图像去噪方法及系统，综合考虑空间的一致性，充分利用局部图像信息，获取更好的ASL的灌注磁共振成像去噪效果，优化ASL的灌注磁共振图像，可以提高基于灌注磁共振图像进行脑部疾病诊断的准确度。附图说明图1为本专利技术的基于图像子块低秩分解的ASL图像去噪方法的流程图；图2为本专利技术的基于图像子块低秩分解的ASL图像去噪系统的结构示意图。具体实施方式为了能够更清楚地描述本专利技术的
技术实现思路
，下面结合具体实施例来进行进一步的描述。如图1所示，本专利技术提供了一种基于图像子块低秩分解的ASL图像去噪方法，所述方法包括如下步骤：S100：采集多个控制图像和对应的多个标记图像，形成多个图像对{Ci,Li},i＝1,2,....,n，其中n表示控制图像的数量，Ci表示第i个控制图像，Li表示与Ci相对应的标记图像；此处标记图像和控制图像分别指的是：利用射频脉冲对流向感兴趣区的动脉血的自旋方向进行反转，这一过程称为对动脉血进行标记。经过一段时间后，标记血对组织进行了灌注，此时对感兴趣区进行成像，得到的图像叫做标记图像。其次，由于标记图像的对比度取决于原来的静态组织和后来流进成像区的标记血的量，而静态组织的信号比灌注信号大得多，为了消除静态组织的信号，对感兴趣区进行另一次未经标记血灌注的成像，得到的图像叫做控制图像。S200：将每一个图像对中的控制图像减去对应的标记图像，得到一脑血流图像，所述脑血流图像组成一脑血流图像序列，记为{Ii},i＝1,2,...,n,其中Ii表示第i个时间点的脑血流图像；S300：基于图像子块低秩分解对所述脑血流图像序列{Ii},i＝1,2,...,n进行去噪，在完成去噪后，利用去噪后的脑血流图像序列进行脑活动检测。在该实施方式中，对所述脑血流图像序列进行去噪，包括如下步骤：在所述脑血流图像序列中每个脑血流图像的相同位置选取一图像子块；基于图像子块低秩分解对各个图像子块进行去噪；在每个脑血流图像的下一相同位置继续选取一图像子块，对各个图像子块进行去噪，直至每个脑血流图像中所有图像子块均去噪完成为止。在该实施方式中，所述基于图像子块低秩分解对各个图像子块进行去噪，包括如下步骤：将各个图像子块排列成一列向量，所有图像子块的列向量组成一初始矩阵；利用矩阵的低秩分解模型将所述初始矩阵分解成一低秩矩阵和一稀疏矩阵；低秩分解模型的介绍可以参照论文：Candès,E.J.,etal.,Robustprincipalcomponentanalysis，JournaloftheACM(JACM),2011.58(3):p.11；将所述低秩矩阵中的每一列重新排列成三维的图像块，并且将得到的图像块替换对应的脑血流图像中选取的图像子块。在该实施方式中，根据如下公式将所述初始矩阵分解成一低秩矩阵和一稀疏矩阵：minL,S||L||*+λ||S||1,s.tM＝L+S其中，M为初始矩阵，L为低秩矩阵，S为稀疏矩阵，||·||*表示求矩阵的核范数，||·||1表示对矩阵元素的绝对值求和，λ为预设的低秩项和稀疏项调节参数，且λ为正数。在该实施方式中，λ取值为其中m为初始矩阵的行数。作为优选，在选取图像子块的时候，我们以图像块大小的一半作为步长，按顺序选取。这样能够保证相邻的图像子块会有重合，对于重合部分取它们的平均值，以保证脑血流图像的光滑性。即在每个脑血流图像的下一相同位置继续选取一图像子块时，以所述图像子块的一半作为步长顺序进行图像子块的选取，新选择的图像子块与前一图像子块部分重合。进一步地，在该实施方式中，对两个图像子块重合的部分，本文档来自技高网...

【技术保护点】
一种基于图像子块低秩分解的ASL图像去噪方法，其特征在于，包括：采集多个控制图像和对应的多个标记图像，形成多个图像对；将每一个图像对中的控制图像减去对应的标记图像，得到一脑血流图像，所述脑血流图像组成一脑血流图像序列；基于图像子块低秩分解对所述脑血流图像序列进行去噪。

【技术特征摘要】
1.一种基于图像子块低秩分解的ASL图像去噪方法，其特征在于，包括：采集多个控制图像和对应的多个标记图像，形成多个图像对；将每一个图像对中的控制图像减去对应的标记图像，得到一脑血流图像，所述脑血流图像组成一脑血流图像序列；基于图像子块低秩分解对所述脑血流图像序列进行去噪。2.根据权利要求1所述的基于图像子块低秩分解的ASL图像去噪方法，其特征在于，对所述脑血流图像序列进行去噪，包括如下步骤：在所述脑血流图像序列中每个脑血流图像的相同位置选取一图像子块；基于图像子块低秩分解对各个图像子块进行去噪；在每个脑血流图像的下一相同位置继续选取一图像子块，对各个图像子块进行去噪，直至每个脑血流图像中所有图像子块均去噪完成为止。3.根据权利要求2所述的基于图像子块低秩分解的ASL图像去噪方法，其特征在于，所述基于图像子块低秩分解对各个图像子块进行去噪，包括如下步骤：将各个图像子块的灰度值排列成一列向量，所有图像子块的列向量组成一初始矩阵；利用矩阵的低秩分解模型将所述初始矩阵分解成一低秩矩阵和一稀疏矩阵；将所述低秩矩阵中的每一列重新排列成三维的图像块，并且将得到的图像块替换对应的脑血流图像中选取的图像子块。4.根据权利要求3所述的基于图像子块低秩分解的ASL图像去噪方法，其特征在于，根据如下公式将所述初始矩阵分解成一低秩矩阵和一稀疏矩阵：minL,S||L||*+λ||S||1,s.tM＝L+S其中，M为初始矩阵，L为低秩矩阵，S为稀疏矩阵，||·||...

【专利技术属性】
技术研发人员：祝汉灿，王泽，
申请(专利权)人：绍兴文理学院，
类型：发明
国别省市：浙江,33