基于张量分解的高分辨扩散峰度成像去噪方法研究

Diffusion kurtosis imaging (DKI) is a new diffusion imaging technology and characterizes the water diffusion behavior of biological tissue with a non-Gaussian diffusion model. Compared to the diffusion tensor imaging with a Gaussian diffusion model, DKI can more accurately reflect the changes of tissue microstructure and more beneficial to early detection of diseases which has broad application prospects. The high-resolution DKI can more exactly describe the detail structure and is beneficial to the detection of minute lesion. However, the images in high-resolution DKI are badly affected by noise which will reduce the accuracy and reliability of subsequent parameter estimation. In view of this, the object of this proposal is to develop tensor-based denoising algorithm for high-resolution DKI, mainly including： (1) to construct the combined model based on image denoising and parameter estimation and (2) to design the corresponding optimization algorithm, to improve the quality of images and accuracy and precision of parameter estimation and provide a reliable evidence for the quantization diagnosis of clinical diseases without increasing the acquisition time.

扩散峰度成像（diffusion kurtosis imaging， DKI）作为一项新的扩散成像技术，采用非高斯扩散模型来描述组织内水分子的扩散运动特性，较传统的基于高斯扩散模型的扩散张量成像能够更准确地反映组织微观结构的变化，更利于病变的早期发现，在临床上具有广阔的应用前景。其中，高分辨DKI能够更精确地刻画组织结构细节，有利于微小病灶的检测。然而，高分辨DKI图像受噪声影响十分严重，从而降低了后续参数估计的准确性和可靠性。鉴于此，本项目拟开展基于张量分解的高分辨DKI去噪方法研究，主要包括：（1）图像去噪联合参数估计统一模型的构建和（2）优化算法求解的设计，以期在不增加采集时间的情况下，提高图像质量和参数估计的精准度，为临床疾病的量化诊断提供可靠的依据。

扩散磁共振成像技术通过检测活体内水分子的扩散运动来反映组织的微观结构变化。其中，扩散张量成像在临床上应用最为广泛，但其理论基础是假设水分子扩散服从高斯分布特性。然而，生物组织内水分子扩散受多种因素影响，呈非高斯扩散分布。扩散峰度成像采用非高斯扩散模型，更符合高b值下组织内水分子的扩散情况，从而更适合描述组织微观结构的改变。然而，高b值高分辨率的扩散加权图像受噪声影响更为严重，图像细节丢失亦严重。为了提高扩散峰度图像的信噪比和后续量化参数的精准度，临床上常采用多次采集平均法。然而，多次采集平均延长了扫描时间，增加了采集成本，此外，由于采集时间过长，还提高了运动的可能性。囿于此，本项目针对扩散峰度成像受噪声较为严重这个问题展开研究，采用后处理去噪方法来降低图像噪声及提高后续量化参数的准确度。具体地：1）提出了一种基于高阶奇异值分解（higher order singular value decomposition, HOSVD）的磁共振扩散成像去噪方法，该方法同时利用了图像空间上的冗余性以及扩散编码方向上的相关性进行稀疏去噪，此外，我们采用基于全局HOSVD的预滤波图像来指导后续的基于块匹配的HOSVD图像去噪，该方法能够有效提高去噪图像质量以及减轻由于去噪所带来的条形伪影问题，同时得到准确的后续量化参数结果。该成果以项目负责人为第一作者发表在一区杂志Neuroimage 上。2）扩散成像技术对运动非常敏感，从而影响扩散加权图像质量以及后续的参数量化分析，因此我们还开展了一系列运动校正方法研究。3）同时，在参数测量方面，项目组提出一种基于领域自适应正则化的R2*参数测量方法，该方法理论上同样适用扩散峰度成像，对扩散峰度成像的精准参数测量具有重要的理论及指导意义。