一种核Overhauser增强成像方法及系统技术方案

本发明专利技术涉及一种核Overhauser增强成像方法及系统。所述方法包括：获取待处理的CEST图像并进行预处理得到预处理后的CEST图像；根据预处理后的CEST图像和Bloch

【技术实现步骤摘要】
一种核Overhauser增强成像方法及系统


[0001]本专利技术涉及磁共振成像
，特别是涉及一种核Overhauser增强成像方法及系统。

技术介绍

[0002]核Overhauser增强(NOE)效应是通过交叉弛豫产生的一种磁化传递(MT)效应的衍生物，NOE为磁共振成像(MRI)提供了一种新的对比机制。尽管NOE效应与化学交换饱和转移(CEST)效应的直接化学交换作用的机理不同，但都可以在Z谱中使特定频率范围内的信号下降，和CEST效应类似，NOE成像结果具有强的特异性，可以间接体现组织的生理和病理信息，在疾病诊断、肿瘤分级等方面具有重要的应用价值。常规的NOE对比图的计算方法有三点偏移法、洛伦兹差法、Bloch
‑
McConnell方程拟合法、多池洛伦兹拟合法等。这些方法都有各自的局限性，例如三点偏移法和洛伦兹差法无法避免MT效应对NOE定量的影响，在脂肪较多的组织存在较大的误差；Bloch
‑
McConnell方程拟合法计算较准确，但对拟合参数的范围和初值要求严格且对噪声敏感，导致计算得到的图像不平滑；多池洛伦兹拟合法同样对噪声敏感且需采集较多的频点，尤其当池数增加时，计算精度下降且计算耗时增长。因此，需要研究更高效的方法来重建更高质量的NOE对比图。

技术实现思路

[0003]本专利技术的目的是提供一种核Overhauser增强成像方法及系统，可快速重建出高质量的NOE对比图。
[0004]为实现上述目的，本专利技术提供了如下方案：/>[0005]一种核Overhauser增强成像方法，包括：
[0006]获取待处理的CEST图像；
[0007]对所述待处理的CEST图像进行预处理得到预处理后的CEST图像；
[0008]在所述预处理后的CEST图像中选取多个感兴趣区域；
[0009]采用Bloch
‑
McConnell方程模型对各所述感兴趣区域分别进行拟合求解得到各所述感兴趣区域内样本参数的值；所述样本参数包括NOE浓度、NOE交换速率、磁场不均匀度和射频场不均匀度；
[0010]根据所有所述感兴趣区域内各样本参数的值中的最值确定各所述样本参数的取值范围；
[0011]根据各所述样本参数的取值范围生成设定量的训练样本；所述训练样本包括调制后的模拟NOE浓度图、调制后的模拟NOE交换速率图和加入噪声后的模拟CEST图像；
[0012]根据各所述训练样本，以所述调制后的模拟NOE浓度图和所述调制后的模拟NOE交换速率图为标签，以所述加入噪声后的模拟CEST图像为输入对深度神经网络进行训练得到训练好的深度神经网络；
[0013]将所述预处理后的CEST图像输入所述训练好的深度神经网络得到NOE对比图。
[0014]可选的，所述对所述待处理的CEST图像进行预处理得到预处理后的CEST图像，具体包括：
[0015]以所述待处理的CEST图像中最大频偏下的饱和图像为基准，对所述待处理的CEST图像进行归一化，得到归一化后的CEST图像；
[0016]对所述归一化后的CEST图像进行滤波，得到滤波后的CEST图像；
[0017]对所述滤波后的CEST图像进行平滑处理，得到预处理后的CEST图像。
[0018]可选的，所述根据各所述样本参数的取值范围生成设定量的训练样本，具体包括：
[0019]多次执行训练样本生成过程；
[0020]所述训练样本生成过程为：
[0021]根据所述NOE浓度的取值范围和NOE交换速率的取值范围得到模拟NOE浓度图和模拟NOE交换速率图；
[0022]采用经过滤波处理的带纹理的自然图像分别对所述模拟NOE浓度图和所述模拟NOE交换速率图进行调制以使所述模拟NOE浓度图和所述模拟NOE交换速率图产生纹理，得到调制后的模拟NOE浓度图和调制后的模拟NOE交换速率图；
[0023]根据所述磁场不均匀度的取值范围和所述射频场不均匀度的取值范围生成模拟磁场图和模拟射频场图；
[0024]将所述调制后的模拟NOE浓度图、所述调制后的模拟NOE交换速率图、所述模拟磁场图和所述模拟射频场图输入Bloch
‑
McConnell方程模型得到模拟CEST图像；
[0025]对所述模拟CEST图像加入随机噪声得到加入噪声后的模拟CEST图像；
[0026]确定所述调制后的模拟NOE浓度图、所述调制后的模拟NOE交换速率图和所述加入噪声后的模拟CEST图像为训练样本。
[0027]可选的，所述采用Bloch
‑
McConnell方程模型对各所述感兴趣区域分别进行拟合求解得到各所述感兴趣区域内样本参数的值，具体包括：
[0028]获取Bloch
‑
McConnell方程模型的方程解类型、池参数和生成所述待处理的CEST图像时的采样参数；
[0029]将所述采样参数、池参数和方程解类型输入所述Bloch
‑
McConnell方程模型得到确定的Bloch
‑
McConnell方程模型；
[0030]采用所述确定的Bloch
‑
McConnell方程模型对各所述感兴趣区域分别进行拟合求解得到各感兴趣区域内样本参数的值。
[0031]可选的，所述根据所述NOE浓度的取值范围和NOE交换速率的取值范围得到模拟NOE浓度图和模拟NOE交换速率图，具体包括：
[0032]创建一个空白模板；
[0033]根据所述NOE浓度的取值范围和所述NOE交换速率的取值范围，分别在所述空白模板内逐像素点随机生成NOE浓度和NOE交换速率，得到模拟NOE浓度图和模拟NOE交换速率图。
[0034]一种核Overhauser增强成像系统，包括：
[0035]图像获取模块，用于获取待处理的CEST图像；
[0036]图像预处理模块，用于对所述待处理的CEST图像进行预处理得到预处理后的CEST图像；
[0037]感兴趣区域确定模块，用于在所述预处理后的CEST图像中选取多个感兴趣区域；
[0038]样本参数值确定模块，用于采用Bloch
‑
McConnell方程模型对各所述感兴趣区域分别进行拟合求解得到各所述感兴趣区域内样本参数的值；所述样本参数包括NOE浓度、NOE交换速率、磁场不均匀度和射频场不均匀度；
[0039]样本参数取值范围确定模块，用于根据所有所述感兴趣区域内各样本参数的值中的最值确定各所述样本参数的取值范围；
[0040]训练样本生成模块，用于根据各所述样本参数的取值范围生成设定量的训练样本；所述训练样本包括调制后的模拟NOE浓度图、调制后的模拟NOE交换速率图和加入噪声后的模拟CEST图像；
[0041]网络训练模块，用于根据各所述训练样本，以所述调制后的模拟NOE浓度图和所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核Overhauser增强成像方法，其特征在于，包括：获取待处理的CEST图像；对所述待处理的CEST图像进行预处理得到预处理后的CEST图像；在所述预处理后的CEST图像中选取多个感兴趣区域；采用Bloch
‑
McConnell方程模型对各所述感兴趣区域分别进行拟合求解得到各所述感兴趣区域内样本参数的值；所述样本参数包括NOE浓度、NOE交换速率、磁场不均匀度和射频场不均匀度；根据所有所述感兴趣区域内各样本参数的值中的最值确定各所述样本参数的取值范围；根据各所述样本参数的取值范围生成设定量的训练样本；所述训练样本包括调制后的模拟NOE浓度图、调制后的模拟NOE交换速率图和加入噪声后的模拟CEST图像；根据各所述训练样本，以所述调制后的模拟NOE浓度图和所述调制后的模拟NOE交换速率图为标签，以所述加入噪声后的模拟CEST图像为输入对深度神经网络进行训练得到训练好的深度神经网络；将所述预处理后的CEST图像输入所述训练好的深度神经网络得到NOE对比图。2.根据权利要求1所述的一种核Overhauser增强成像方法，其特征在于，所述对所述待处理的CEST图像进行预处理得到预处理后的CEST图像，具体包括：以所述待处理的CEST图像中最大频偏下的饱和图像为基准，对所述待处理的CEST图像进行归一化，得到归一化后的CEST图像；对所述归一化后的CEST图像进行滤波，得到滤波后的CEST图像；对所述滤波后的CEST图像进行平滑处理，得到预处理后的CEST图像。3.根据权利要求1所述的一种核Overhauser增强成像方法，其特征在于，所述根据各所述样本参数的取值范围生成设定量的训练样本，具体包括：多次执行训练样本生成过程；所述训练样本生成过程为：根据所述NOE浓度的取值范围和NOE交换速率的取值范围得到模拟NOE浓度图和模拟NOE交换速率图；采用经过滤波处理的带纹理的自然图像分别对所述模拟NOE浓度图和所述模拟NOE交换速率图进行调制以使所述模拟NOE浓度图和所述模拟NOE交换速率图产生纹理，得到调制后的模拟NOE浓度图和调制后的模拟NOE交换速率图；根据所述磁场不均匀度的取值范围和所述射频场不均匀度的取值范围生成模拟磁场图和模拟射频场图；将所述调制后的模拟NOE浓度图、所述调制后的模拟NOE交换速率图、所述模拟磁场图和所述模拟射频场图输入Bloch
‑
McConnell方程模型得到模拟CEST图像；对所述模拟CEST图像加入随机噪声得到加入噪声后的模拟CEST图像；确定所述调制后的模拟NOE浓度图、所述调制后的模拟NOE交换速率图和所述加入噪声后的模拟CEST图像为训练样本。4.根据权利要求1所述的一种核Overhauser增强成像方法，其特征在于，所述采用Bloch
‑
McConnell方程模型对各所述感兴趣区域分别进行拟合求解得到各所述感兴趣区域
内样本参数的值，具体包括：获取Bloch
‑
McConnell方程模型的方程解类型、池参数和生成所述待处理的CEST图像时的采样参数；将所述采样参数、池参数和方程解类型输入所述Bloch
‑
McConnell方程模型得到确定的Bloch
‑
McConnell方程模型；采用所述确定的Bloch
‑
McConnell方程模型对各所述感兴趣区域分别进行拟合求解得到各感兴趣区域内样本参数的值。5.根据权利要求3所述的一种核Overhauser增强成像方法，其特征在于，所述根据所述NOE浓度的取值范围和NOE交换速率的取值范围得到模拟NOE浓度图和模拟NOE交换速率图，具体包括：创建一个空白模板；根据所述NOE浓度的取值范围和所述NOE交换速率的取值范围，分别在所述空白模板内逐像素点随机生成NOE浓度和NOE交换速率，得到模拟NOE浓度图和模拟NOE交换速率图。6.一种核Overhauser增强成像系统，其特征在于，包括：图像获取模块，用于获取待处理的CEST图像；图像预处理模块，用于对所述待处理的CEST图像进行预处理得到预处理后的CEST图像...

【专利技术属性】
技术研发人员：蔡淑惠，兰新力，蔡聪波，吴健，余靖伊，
申请(专利权)人：厦门大学，
类型：发明
国别省市：