扩散峰度系数的确定方法和装置、参数图像的生成方法制造方法及图纸

本申请涉及一种扩散峰度系数的确定方法和装置、参数图像的生成方法和装置、计算机设备、存储介质和计算机程序产品。所述方法包括：通过采用无约束优化算法确定扫描图像的各像素点的扩散峰度系数，并根据各像素点的扩散峰度系数，从各像素点中确定不满足约束条件的目标像素点，进而采用有约束优化算法确定目标像素点的扩散峰度系数。能够节省扩散峰度系数的计算时长，提高扩散峰度系数的计算效率，并能够提高目标像素点的扩散峰度系数的准确性。够提高目标像素点的扩散峰度系数的准确性。够提高目标像素点的扩散峰度系数的准确性。

【技术实现步骤摘要】
扩散峰度系数的确定方法和装置、参数图像的生成方法


[0001]本申请涉及扩散成像
，特别是涉及一种扩散峰度系数的确定方法和装置、参数图像的生成方法和装置、计算机设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]生物组织中水分子的扩散情况在不同组织结构中有所差异，通常表现为两种分布形式，即高斯分布和非高斯分布。高斯分布是指水分子的不规则随机运动，在各方向扩散程度相同，即各向同性扩散；非高斯分布则是指水分子受复杂的组织结构因素影响，在各方向扩散程度不同，即各向异性扩散。基于此，扩散峰度成像(diffusion kurtosis imaging，DKI)技术应运而生，该技术是基于非高斯分布模型探查水分子扩散特性的技术，引入峰度(kurtosis)的概念来量化真实水分子扩散位移与理想的高斯分布下水分子扩散位移间的偏离，进而来表示水分子扩散受限程度以及扩散的不均质性。因此，DKI被广泛应用在急性脑梗、其他脑急性病变和全身各部位肿瘤的鉴别上，采用非高斯扩散模型，更符合组织内水分子的实际扩散特性，从而更适合描述组织微观结构的变化。...

【技术保护点】

【技术特征摘要】
1.一种扩散峰度系数的确定方法，其特征在于，所述方法包括：采用无约束优化算法确定扫描图像的各像素点的扩散峰度系数；其中，所述扩散峰度系数包括所述像素点的扩散系数和峰度系数；根据各所述像素点的扩散峰度系数，从各所述像素点中确定不满足约束条件的目标像素点；采用有约束优化算法确定所述目标像素点的扩散峰度系数。2.根据权利要求1所述的方法，其特征在于，所述扫描图像包括多个方向的有扩散强度的图像；所述约束条件包括所述像素点在各方向的扩散系数位于[第一预设阈值，第二预设阈值]的第一区间内、所述像素点在各方向的峰度系数位于[第三预设阈值，第四预设阈值]的第二区间内。3.根据权利要求1所述的方法，其特征在于，所述扫描图像包括多个有扩散强度的图像；所述约束条件包括所述像素点的扩散系数位于[第五预设阈值，第六预设阈值]的第三区间内、所述像素点的峰度系数位于[第七预设阈值，第八预设阈值]的第四区间内。4.根据权利要求2或3所述的方法，其特征在于，所述扫描图像还包括无扩散强度的图像。5.根据权利要求1或2所述的方法，其特征在于，所述采用无约束优化算法确定扫描图像的各像素点的扩散峰度系数，包括：采用无约束优化算法对第一扩散峰度模型进行求解，确定所述扫描图像的各像素点的扩散张量和峰度张量；基于每个所述像素点的扩散张量以及所述像素点在各方向上的方向矢量，确定所述像素点的扩散系数，以及基于所述像素点的峰度张量以及所述像素点在各方向上的方向矢量确定所述像素点的峰度系数。6.根据权利要求5所述的方法，其特征在于，所述采用有约束优化算法确定所述目标像素点的扩散峰度系数，包括：采用有约束优化算法对所述第一扩散峰度模型进行求解，确定所述目标像素点的扩散张量和峰度张量；根据所述目标像素点的扩散张量以及所述目标像素点在各方向的方向矢量，确定所述目标像素点的扩散系数，并根据所述目标像素点的峰度张量以及所述目标像素点在各方向的方向矢量，确定所述目标像素点的峰度系数。7.根据权利要求1
‑
3任一所述的方法，其特征在于，所述采用无约束优化算法确定扫描图像的各像素点的扩散峰度系数，包括：采用无约束优化算法对第二扩散峰度模型进行求解，确定所述扫描图像的各像素点...

【专利技术属性】
技术研发人员：陈翔，龚震寰，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：