生物医学工程学杂志
2002; 19(3) ∶493～495 J Biomed En g
MRI 图像信噪比提高技术
郭 阳 张继武
1
1, △
*
1
张祥德 综述 郑全录 审校
1(国家数字化医学影像工程研究中心, 沈阳 110004)
2(东北大学理学院, 沈阳 110004)
摘要 M R I 图像处理技术是数字图像处理在生物医学工程中的重要应用, 是数字图像处理技术与核磁共振成像相结合的产物, 不仅推动了核磁共振成像技术进一步的研究与发展, 同时也为数字图像处理技术提出了新的挑战。由于M RI 图像中的信息对医疗诊断特别重要, 因此如何利用数字计算机与数字图像处理理论对被噪声污染的图像进行降噪处理便成为了M RI 图像处理的中心任务。本文主要分析了M RI 图像中的各种噪声源, 以及各自降噪技术的研究进展。
关键词 核磁共振成像 信噪比 后处理
The Improvement of Signal -to -Noise Ratio in Magnetic Resonance Image
Guo Yang Zhang Jiwu
1
1, △
Zhang Xiangde Zheng Quanlu
21
1(National Dig ital M edical Sy stem E ngineering Resear ch Center , S heny ang 110004)
2(College of S cience , North eastern Univ ersity , Sh enyang 110004)
Abstract D igital image pro cessing and mag netic resonance imaging for m magnetic reso na nce imag e pr ocessing technique . T his technique w ill not o nly pro mote M RI's r esearch and dev elo pm ent , but also br ing new challenges for dig ital imag e pr ocessing. Beca use the info rmat ion in the M RI is ver y impor tant to medical tr eatment, it is a pri-mary task that how to decrease noise fr om M RI by use of PC and dig ital imag e pro cessing. In this paper , w e ana-ly zed the noises fr om a v ariety o f sour ces , and intr oduced all kinds of techniques to reduce these noises .
Key words M agnetic r esonance imaging Sig nal -to -noise r atio Po st -pro cessing
1 引 言
近年来, 三维物体的二维再现研究得如火如荼, 这一成果给医疗诊断带来了相当大的便利, 如核磁共振成像(M agnetic resonance image, MRI) 。但不幸的是, 大部分M RI 图像被各种噪声所污染, 所含被测物体信息模糊, 不充足, 给图像的正确分析增添了困难。为了得到高质量的图像, 消除噪声就成为了M RI 图像处理的重要课题。所谓MRI 图像处理就是指将核磁共振成像的自身特点与数字图像处理相关理论技术相结合, 利用数字计算机对图像进行处理, 从而改善图像质量。在M RI 图像中, 由于不同噪声对图像的影响不同, 而且相当复杂, 这使得目前要
*国家自然科学基金资助项目(19701006) 、教育部骨干教师资助计划及辽宁省科学基金资助
△联系人。沈阳市和平区三好街84-2号东软数字医疗股份有限公司采用的降噪技术只能是面向问题的, 也就是说, 不可能有某种统一的降噪理论对M RI 图像上的所有噪声都适用。因此, 我们只能针对不同的噪声源, 采用不同的降噪技术。一般说来, MRI 图像中的噪声主
要来自M RI 系统本身、环境、成像系统和被测物。New man 给出了MRI 图像中的11种噪声源, 并且列出了它们对图像污染程度的比重。下面我们将具体评述其中几种常见噪声的产生与除噪的研究进展情况。
[1]
2 几种常见噪声
2. 1 Sampling Noise
所谓采样是指对连续变化的图像在空间坐标上作离散化的过程, 所选取的采样点常称为像素。实际上采样过程很可能给图像带来噪声(或) 失真, 其原因可能很多, 如:
-
494
生物医学工程学杂志 第19卷
香农采样定理知道, 当采样周期小于最小信号周期的一半时, 被采样函数可以完全地从采样数据中恢复出来。但是当采样频率小于最大信号频率的二倍时, 就会产生混叠噪声。因此, 在采样前一般要加前置滤波器, 来限制信号的最大频率值。但假如前置滤波器对频域限制不够充分, 这时在所期望的最大频率以上仍有一定幅度的信号成份, 而且可能不满足采样定理, 从而形成混叠噪声。
2. 1. 2 孔径效应噪声 孔径效应噪声是由于实际的采样脉冲并不是理想的函数, 而是具有一定的脉冲宽度, 从而产生失真, 造成跌落图像信号的各种频率成份中的高频成份。
2. 1. 3 插入噪声 当由采样信号恢复原图像信号时, 理论上要用理想滤波器, 即要求在最大频率以内频带频率特性平坦, 相位特性成直线性。但实际上完全理想的滤波器是很难实现的, 只能靠近似理想滤波器来代替, 因此在恢复原图像信号时必将引入某种程度的噪声, 被称为插入噪声。
2. 1. 4 抖动噪声 对图像的采样是以时间周期T 逐点进行的, 而时间间隔周期T 是由时钟信号控制的。在恢复图像时, 接收端也是由时钟控制的, 理论上收发两端的时钟是同步的, 但实际上必然会存在相位差异或相位抖动, 使得接收端的采样信号并不是严格的以T 为周期的, 这种采样周期上的变动(抖动) 在恢复图像时将产生噪声, 被称为抖动噪声。从上述分析知道, 数据采样过程对图像质量的影响非常直接, 因此在数据采样中要特别注意上述各个过程, 尽量减少各种噪声; 而且采样点数的多少对图像质量也有一定的影响, 增加采样点数会提高图像质量。为此, 在保证图像质量一定的前提下, 为了不增大不必要的数据量, 不致给传输或存储造成额外的压力, 合理选取采样点非常关键。采用不均匀采样的方法可在不增加采样点数的情况下保证图像质量不致受损。这种方法是, 当采样点总数固定时, 自适应改变采样密度, 在图像细节多、灰度变化大的边界处, 将采样密度自动提高, 而对背景区, 图像细节较少、灰度变化很小的范围将采样密度自动降低。从而达到保证图像质量的目的。2. 2 Quantization Noise
量化是指把图像样本实际值化成离散样本值的转换过程。目前普遍采用的方法是均匀量化, 但这种方法的主要缺点是当输入值在被量化区间内非均匀分布时, 信号在被量化的同时也被引入了相当大的, 化级将能够改善一些, 但这样将带来更大的代价。由
此根据信号在被量化区间内出现的概率各处不同, 其概率密度函数不为常数, 可以采用非均匀量化, 即根据概率密度函数形状来划分量化级。如果信号在某一范围内出现的概率大, 则量化级在这一范围内间隔取得较小, 而在概率出现较小的范围内就可取得较大。
目前, 经常被应用的非均匀量化方法是Pro ba-bility density function optimized quantizers 和Lo g-arithmic quantizers 。大多数情况下, 前一种非均匀量化方法能得到很好的效果。因为这种量化方法是基于输入信号的出现频率来确定量化区间的大小。而后一种非均匀量化方法主要是先将输入信号用某种对数函数进行压缩, 然后被均匀量化, 最后再利用相对应的指数函数将其复原。与均匀量化法、Pro ba-bility density function optimized quantizers 相比, 这种方法可以根据输入信号的振幅来改变量化区间的大小, 同时减少了对输入信号的敏感度。但不足的是要想应用这种方法事先必须知道所输入信号的形式, 以便于选择对数函数, 产生最好的效果。此外还有一些量化方法, 如Maudsley 通过在数据采集过程中对梯度和脉冲序列进行调整来改善被量化的信号, Ov er sampling 也是一种减少量化噪声的方法, 以及Craig AH 等[2]介绍了一种采用两个量化器的非均匀量化方法。
2. 3 Spike Noise
在研究如何运用核磁共振成像进行医疗诊断的同时, 人们也在努力研究尽可能降低成像扫描时间。一个显而易见的方法是降低梯度域提升时间, 这里的提升时间是指使梯度放大器达到最大输出值的时间。降低梯度提升时间将给梯度线圈带来更大的应力, 同时也增大了机械振动, 从而造成Rando m spike noise 的产生。在空间频域(k-space) M R 数据中, Random spike noise 与其它噪声相比具有更大的污染程度。如果这种噪声不能从硬件上消除, 那么可以利用后处理技术从时间域上进行消除。
针对这种噪声, Spraggins [3]提出了一种基于固定域值的噪声探测技术, 但这种方法不仅提高了数据处理和重建的时间, 同时对于在大面积受噪声污染的情况下效果也不是很好。于是, Thom as KFF 等提出了一种更有效的探测和消除Spike noise 的方法, 对M R 数据应用一种空间可变域值函数, 如果数据样本的信号强度超过了这个域值, 那么认[4]
第3期 郭 阳等。 M RI 图像信噪比提高技术
495
法被称为Snore 。2. 4 Ring Artifact
在许多医学成像中, 可达到的分辨率不允许将ROI 附近不感兴趣的信号能量与ROI 分离开, 而为了达到很高的空间分辨率, 必须使用有效的低通滤波方法; 如果在ROI 附近存在更强的信号能量, 那么Ring Artifact 将会产生, 大量的无关信号将出现在ROI 中, 这样很困难解释ROI 中的有用信息。T.
[14]
Bakir 等通过设计一个后处理滤波器将ROI 内的干扰信号从中分离出来, 但这种方法是假设在设计滤波器之前已知ROI 的位置和一些所期望的局部信号与噪声强度的信息。
2. 5 Motion Artifact
在M RI 图像数据采集过程中, 被测部位的运动不可避免, 尤其对于儿童、婴儿和病人, 从而将导致所成图像出现伪影, 造成图像模糊。近年来, 许多学者针对这种情况提出了去除伪影的不同方法, 但由于这种运动的复杂性, 使得大多工作只是建立在某种类型的运动基础上, 例如被测物体在成像平面内的转动或平移。通过分析得知成像平面内的转动将导致数据采样的不均匀[5], 而成像平面内的平移将造成M RI 信号的相位偏差。Zoo ro RAfi 等利用计算机图像后处理技术, 在总结其前期工作的基础上, 提出了被测物体在成像平面内做刚性运动(转动和平移) 所造成伪影的噪声消除方法。
[6]
[7]
g orithm
[11]
; 其中方向滤波算法采用以轴为对称的
线性滤波器, 同时构造一个函数, 在每个像素点都在四个方向(0°, 45°, 90°, 135°) 上计算这个构造函数, 例如构造函数为:
V H (i , j ) =(f (i , j ) -f (i +s H 1, j +t H 1) ) +
2
(f (i , j ) -f (i +s H 2, j +t H 2) )
2
其中:s H 1, t H 1, s H 2, t H 2与上述4个方向有关。通过比较
所得的4个函数值来确定在哪个方向上采用线性滤波器。利用这个方法可以在每个像素上估计出图形的边界方向, 从而避免平均那些通过边界的像素点。这种方法也可用在超声医学图像的滤波上。
[11]
T w o -par t filtering alg orithm 是T he directional filter ing algo rithm 的扩充, 首先将图像进行低通滤波, 然后计算每个像素点的梯度, 从中可以获得一些关于图形边界的信息, 这时再应用一个可以自适应调节系数的滤波器, 它的系数是以保证图形边界不被模糊为条件, 根据像素点的位置不同来调节的, 如果被低通滤波后的图像有信息损失, 那么在大梯度区域将采用被增大系数的高通滤波器, 否则相反; 如果被低通滤波后的图像没有信息损失, 那么将继续采用低通滤波器; Function appr oxim ation filtering alg orithm 是对每个像素点进行局部统计估计, 用这个估计值代替原像素值。该方法需要将原图像划分为固定大小的几个子图像, 这样某些统计量才能得到。一个比较简单的例子是在每个子图像中估计出各个像素点的均值与方差, 如果其方差小于某个事先给定的值时, 用它的均值代替它的像素值, 否则, 该子图像继续被划分为更小的图像, 同时继续重复上述算法。
[11]
[15]
3 MRI 图像的后处理
利用图像的后处理技术可以消除所得M RI 图像上的各种噪声, 增强图像的清晰度。在图像增强方面主要先利用低通滤波器消除图像噪声, 再利用高通滤波器增强图像。实际上, 利用低通滤波器的降噪就是图像的平滑过程, 而普通的低通滤波器将导致图像结构与边界的模糊, 从而降低图像的可信度。因此理想的低通滤波器应该是只消除图像中的噪声, 而不模糊边界, 尤其对于像核磁共振图像这种细节比较多, 要求清晰度比较高的工作。这就需要在设计低通滤波器时要考虑到在应用平滑函数前探测出图形边界, 但是能在一副含有噪声的图像中探测出图形边界是一项非常困难的工作。许多学者提出了几种非线性低通滤波器来消除噪声并同时保存图像细节的滤波算法, 如Local statistics adaptive filter ing
[8]
algo rithm ; T he g radient inverse w eig hted (GIW ) filtering alg orithm [9]; The m ultiple model kalman
4 结 论
从上面分析知道, 在M RI 图像处理中, 大部分图像噪声的消除都利用了计算机的图像后处理技术, 或者在时域, 或者在频域。总之是利用各种数学方法和变换手段提高MRI 图像中人们所感兴趣的部分与其它部分的对比度, 并且增强图像的清晰度, 从而为医疗诊断提供一种崭新的突破性的诊断手段。
参
1
考文献
New man R . T he determination of the sign al -to -nois e ratio in di-agnostic magnetic res onance images in M RI:acceptance tes ting and quality con tr ol. M adis on, W I:M edical Phys ics , 1988; 8
页; [
504
生物医学工程学杂志 第19卷
En g , 1998; 120∶140131415
M cElh oney JH, Fogle J L. M echanical properties of cranial bon e. J Biomech anics, 1970; 3∶495
M isra JC , Chakravarty S. A s tu dy on rotational brain injury. J Biomech , 1984, 7∶459
Omm aya AK , Hirsch AE . Tolerance of cerebral con cuss ion from head impact and w hiplas h in primates. J Biom ech , 1971; 4∶1316
Ruan JS, Kh alil T B, King AI. Dyn amic response of the human h ead to impact -by three dim ens ion al finite element analys is . AS M E Trans J Biomech Eng , 1994; 116∶4417
T hibault LE, Gen arelli TA. Biom echan ics of diffus ebr ain in-juries in tenth in ternation al tech nical conferen ceon experimen-tal safety vehicles in London , En gland, bythe US Department of T rans portation , National Highw ay Traffic Safety Admin is-tration W as hington , DC , Government Printing Office 18192021
Bycroft GN. M athem atical model of a h ead s ubjected to an an-gular acceleration. J Biomechanics , 1973, 6∶487
Kum aresan LV , Pintar. Finite-element models of th e human h ead. M ed &Bolog Eng &Comp, 1996; 34∶375
Gen nar elli TA . Head injury . 3rd ed . Cooper PR ed . Willian s &Wilk ins, 1993, PP ∶137
M argulie S S, Th ibau lt LE. A p rop os ed toleran ce criterion for diffuse axonal injury in man. J Biomech anics, 1992; 25∶917
(收稿:2000-12-29 修回:2001-09-13)
injury and traumatic coma in the prim ate . An nals of Neurolo-gy, 1982; 12(6) ∶5644
M eaney DF, Sm ith DH, S hreib er DI, e t al . Biomech ani-calan alysis of experimen tal diffuse axonal injury. J Neurotrau-na , 1995; 12(4) ∶689567
Donn elly BR , M edige J . Shear properties of human brain tis-sue. J Biomech Eng, 1997; 119∶423
Shu ck LZ, Advani SH. Rheological respons e of human b rain tissu e in shear. ASM E J Basic En gineering, 1972; 94∶905Fallen stein GT , Hulce VD , M elvin J W . Dynamic m ater ial properties of hum an brain tiss ue . J Biomechanics , 1969; 2∶2178
Wan H C , W inem an AS. A mathematical model for the d eter-mination of viscoelastic b ehavior of br ain in vivo I:oscillatory res ponse . J Biomechanics , 1972; 5∶431910
Th ibau lt LE , Fry D . M echanical characterization of mem-bran elik e biological tiss ue. J Biomech Eng, 1983; 105∶31M argulies S S, T hibault LE , Gennarelli T A . Ph ysical m odel simu lations of brain injur y in the primate. J Biomechan ics , 1990, 23∶82311
Kumares an S , Radh akr ishnan S . Importan ce of partitioning mem branes of the brain and the influence of th e neck in head injury modeling. M ed &Biol En g &Comput, 1996; 34∶2712
Nishimoto T , M u rak ami S. Relation between diffus e axonal in-jury and internal head structures on b lunt im pact. J Biomech
(上接第495页; C ontinued f rom P ag e 495) 2
Craig A. Hamilton, Peter S. Quantization im provement in M RI u sing d ual quan tiz ers. IEEE T ran On M edical Im aging , 1991; 10(3) ∶3873
Spraggines T A. Spik e removal from M R raw data sets. in Book of Ab stracts :society of magnetic resonance in medicine . 1987, Berkeley, CA:Soc of M agn Reson In M ed , 1987; 7894
Th omas KFF, Nancy S G, Jam es DM , e t al . Snore:s pike noise removal an d detection. IEEE Trans On M edical Im aging , 1994; 13(1) ∶1335
Wood M L , Sh ivji M J , Stan chev PL . Planar m otion cor rection w ith us e of k -s pace data acqu ired in Fou rier M R im agin g. J M RI, 1995; 5(1) ∶576
Korin HW, Farzan eh F, Wright RC, et al . Compensation for effects of linear motion in M R imaging. M agn Res on M ed , 1989; 12∶997
Zoroofi RA , Sato Y, Tamura S, et al . M RI ar tifact cancella-tion due to rigid motion in the imaging plane. IEEE Trans On M edical Im aging , 1996; 15(6) ∶7688
Lee J S. Digital image enhancement an d noise filtering by use of local statis tics . IEEE T rans Patt Anal M achine Intell , 1980; 2
[1**********]09
∶165
W an g DCC, Vagucci AH, L i CC. Gradient inverse w eigh ted s cheme and th e evaluation of its performance. Comput Graph Image Procedding, 1981; 15∶167
W oods JW , Dr avida S , M ediavilla R . Image estim ation us ing doub ly stoch as tic Guassian random field models. IE EE T ran s Patt Anal M ach Intell, 1987; 245
Pavlidis T. Algorithm s for gr aph ics an d image process ing. Com puter Science Pres s.
M auds ley AA . Dynamic range improvem ent in NM R imaging us ing phase s cramblin g. J M ag Res, 1989; 76∶287
J ayant NS, Noll P. Digital coding of w aveform s:principles and applications to s peech and video. Englew ood Cliffs, NJ:Prentice-Hall, 1984
Bakir T , Reeves SJ . A filter design method for minimiz ing rin ging in a region of interes t in M R spectroscopic images. IEEE T ran s On M edical Imaging, 2000; 19(6) ∶585赵树魁, 李德玉, 汪天富. 超声医学图像滤波算法研究进展. 生物医学工程学杂志, 2001; 18(1) ∶145
(收稿:2001-05-18)
生物医学工程学杂志
2002; 19(3) ∶493～495 J Biomed En g
MRI 图像信噪比提高技术
郭 阳 张继武
1
1, △
*
1
张祥德 综述 郑全录 审校
1(国家数字化医学影像工程研究中心, 沈阳 110004)
2(东北大学理学院, 沈阳 110004)
摘要 M R I 图像处理技术是数字图像处理在生物医学工程中的重要应用, 是数字图像处理技术与核磁共振成像相结合的产物, 不仅推动了核磁共振成像技术进一步的研究与发展, 同时也为数字图像处理技术提出了新的挑战。由于M RI 图像中的信息对医疗诊断特别重要, 因此如何利用数字计算机与数字图像处理理论对被噪声污染的图像进行降噪处理便成为了M RI 图像处理的中心任务。本文主要分析了M RI 图像中的各种噪声源, 以及各自降噪技术的研究进展。
关键词 核磁共振成像 信噪比 后处理
The Improvement of Signal -to -Noise Ratio in Magnetic Resonance Image
Guo Yang Zhang Jiwu
1
1, △
Zhang Xiangde Zheng Quanlu
21
1(National Dig ital M edical Sy stem E ngineering Resear ch Center , S heny ang 110004)
2(College of S cience , North eastern Univ ersity , Sh enyang 110004)
Abstract D igital image pro cessing and mag netic resonance imaging for m magnetic reso na nce imag e pr ocessing technique . T his technique w ill not o nly pro mote M RI's r esearch and dev elo pm ent , but also br ing new challenges for dig ital imag e pr ocessing. Beca use the info rmat ion in the M RI is ver y impor tant to medical tr eatment, it is a pri-mary task that how to decrease noise fr om M RI by use of PC and dig ital imag e pro cessing. In this paper , w e ana-ly zed the noises fr om a v ariety o f sour ces , and intr oduced all kinds of techniques to reduce these noises .
Key words M agnetic r esonance imaging Sig nal -to -noise r atio Po st -pro cessing
1 引 言
近年来, 三维物体的二维再现研究得如火如荼, 这一成果给医疗诊断带来了相当大的便利, 如核磁共振成像(M agnetic resonance image, MRI) 。但不幸的是, 大部分M RI 图像被各种噪声所污染, 所含被测物体信息模糊, 不充足, 给图像的正确分析增添了困难。为了得到高质量的图像, 消除噪声就成为了M RI 图像处理的重要课题。所谓MRI 图像处理就是指将核磁共振成像的自身特点与数字图像处理相关理论技术相结合, 利用数字计算机对图像进行处理, 从而改善图像质量。在M RI 图像中, 由于不同噪声对图像的影响不同, 而且相当复杂, 这使得目前要
*国家自然科学基金资助项目(19701006) 、教育部骨干教师资助计划及辽宁省科学基金资助
△联系人。沈阳市和平区三好街84-2号东软数字医疗股份有限公司采用的降噪技术只能是面向问题的, 也就是说, 不可能有某种统一的降噪理论对M RI 图像上的所有噪声都适用。因此, 我们只能针对不同的噪声源, 采用不同的降噪技术。一般说来, MRI 图像中的噪声主
要来自M RI 系统本身、环境、成像系统和被测物。New man 给出了MRI 图像中的11种噪声源, 并且列出了它们对图像污染程度的比重。下面我们将具体评述其中几种常见噪声的产生与除噪的研究进展情况。
[1]
2 几种常见噪声
2. 1 Sampling Noise
所谓采样是指对连续变化的图像在空间坐标上作离散化的过程, 所选取的采样点常称为像素。实际上采样过程很可能给图像带来噪声(或) 失真, 其原因可能很多, 如:
-
494
生物医学工程学杂志 第19卷
香农采样定理知道, 当采样周期小于最小信号周期的一半时, 被采样函数可以完全地从采样数据中恢复出来。但是当采样频率小于最大信号频率的二倍时, 就会产生混叠噪声。因此, 在采样前一般要加前置滤波器, 来限制信号的最大频率值。但假如前置滤波器对频域限制不够充分, 这时在所期望的最大频率以上仍有一定幅度的信号成份, 而且可能不满足采样定理, 从而形成混叠噪声。
2. 1. 2 孔径效应噪声 孔径效应噪声是由于实际的采样脉冲并不是理想的函数, 而是具有一定的脉冲宽度, 从而产生失真, 造成跌落图像信号的各种频率成份中的高频成份。
2. 1. 3 插入噪声 当由采样信号恢复原图像信号时, 理论上要用理想滤波器, 即要求在最大频率以内频带频率特性平坦, 相位特性成直线性。但实际上完全理想的滤波器是很难实现的, 只能靠近似理想滤波器来代替, 因此在恢复原图像信号时必将引入某种程度的噪声, 被称为插入噪声。
2. 1. 4 抖动噪声 对图像的采样是以时间周期T 逐点进行的, 而时间间隔周期T 是由时钟信号控制的。在恢复图像时, 接收端也是由时钟控制的, 理论上收发两端的时钟是同步的, 但实际上必然会存在相位差异或相位抖动, 使得接收端的采样信号并不是严格的以T 为周期的, 这种采样周期上的变动(抖动) 在恢复图像时将产生噪声, 被称为抖动噪声。从上述分析知道, 数据采样过程对图像质量的影响非常直接, 因此在数据采样中要特别注意上述各个过程, 尽量减少各种噪声; 而且采样点数的多少对图像质量也有一定的影响, 增加采样点数会提高图像质量。为此, 在保证图像质量一定的前提下, 为了不增大不必要的数据量, 不致给传输或存储造成额外的压力, 合理选取采样点非常关键。采用不均匀采样的方法可在不增加采样点数的情况下保证图像质量不致受损。这种方法是, 当采样点总数固定时, 自适应改变采样密度, 在图像细节多、灰度变化大的边界处, 将采样密度自动提高, 而对背景区, 图像细节较少、灰度变化很小的范围将采样密度自动降低。从而达到保证图像质量的目的。2. 2 Quantization Noise
量化是指把图像样本实际值化成离散样本值的转换过程。目前普遍采用的方法是均匀量化, 但这种方法的主要缺点是当输入值在被量化区间内非均匀分布时, 信号在被量化的同时也被引入了相当大的, 化级将能够改善一些, 但这样将带来更大的代价。由
此根据信号在被量化区间内出现的概率各处不同, 其概率密度函数不为常数, 可以采用非均匀量化, 即根据概率密度函数形状来划分量化级。如果信号在某一范围内出现的概率大, 则量化级在这一范围内间隔取得较小, 而在概率出现较小的范围内就可取得较大。
目前, 经常被应用的非均匀量化方法是Pro ba-bility density function optimized quantizers 和Lo g-arithmic quantizers 。大多数情况下, 前一种非均匀量化方法能得到很好的效果。因为这种量化方法是基于输入信号的出现频率来确定量化区间的大小。而后一种非均匀量化方法主要是先将输入信号用某种对数函数进行压缩, 然后被均匀量化, 最后再利用相对应的指数函数将其复原。与均匀量化法、Pro ba-bility density function optimized quantizers 相比, 这种方法可以根据输入信号的振幅来改变量化区间的大小, 同时减少了对输入信号的敏感度。但不足的是要想应用这种方法事先必须知道所输入信号的形式, 以便于选择对数函数, 产生最好的效果。此外还有一些量化方法, 如Maudsley 通过在数据采集过程中对梯度和脉冲序列进行调整来改善被量化的信号, Ov er sampling 也是一种减少量化噪声的方法, 以及Craig AH 等[2]介绍了一种采用两个量化器的非均匀量化方法。
2. 3 Spike Noise
在研究如何运用核磁共振成像进行医疗诊断的同时, 人们也在努力研究尽可能降低成像扫描时间。一个显而易见的方法是降低梯度域提升时间, 这里的提升时间是指使梯度放大器达到最大输出值的时间。降低梯度提升时间将给梯度线圈带来更大的应力, 同时也增大了机械振动, 从而造成Rando m spike noise 的产生。在空间频域(k-space) M R 数据中, Random spike noise 与其它噪声相比具有更大的污染程度。如果这种噪声不能从硬件上消除, 那么可以利用后处理技术从时间域上进行消除。
针对这种噪声, Spraggins [3]提出了一种基于固定域值的噪声探测技术, 但这种方法不仅提高了数据处理和重建的时间, 同时对于在大面积受噪声污染的情况下效果也不是很好。于是, Thom as KFF 等提出了一种更有效的探测和消除Spike noise 的方法, 对M R 数据应用一种空间可变域值函数, 如果数据样本的信号强度超过了这个域值, 那么认[4]
第3期 郭 阳等。 M RI 图像信噪比提高技术
495
法被称为Snore 。2. 4 Ring Artifact
在许多医学成像中, 可达到的分辨率不允许将ROI 附近不感兴趣的信号能量与ROI 分离开, 而为了达到很高的空间分辨率, 必须使用有效的低通滤波方法; 如果在ROI 附近存在更强的信号能量, 那么Ring Artifact 将会产生, 大量的无关信号将出现在ROI 中, 这样很困难解释ROI 中的有用信息。T.
[14]
Bakir 等通过设计一个后处理滤波器将ROI 内的干扰信号从中分离出来, 但这种方法是假设在设计滤波器之前已知ROI 的位置和一些所期望的局部信号与噪声强度的信息。
2. 5 Motion Artifact
在M RI 图像数据采集过程中, 被测部位的运动不可避免, 尤其对于儿童、婴儿和病人, 从而将导致所成图像出现伪影, 造成图像模糊。近年来, 许多学者针对这种情况提出了去除伪影的不同方法, 但由于这种运动的复杂性, 使得大多工作只是建立在某种类型的运动基础上, 例如被测物体在成像平面内的转动或平移。通过分析得知成像平面内的转动将导致数据采样的不均匀[5], 而成像平面内的平移将造成M RI 信号的相位偏差。Zoo ro RAfi 等利用计算机图像后处理技术, 在总结其前期工作的基础上, 提出了被测物体在成像平面内做刚性运动(转动和平移) 所造成伪影的噪声消除方法。
[6]
[7]
g orithm
[11]
; 其中方向滤波算法采用以轴为对称的
线性滤波器, 同时构造一个函数, 在每个像素点都在四个方向(0°, 45°, 90°, 135°) 上计算这个构造函数, 例如构造函数为:
V H (i , j ) =(f (i , j ) -f (i +s H 1, j +t H 1) ) +
2
(f (i , j ) -f (i +s H 2, j +t H 2) )
2
其中:s H 1, t H 1, s H 2, t H 2与上述4个方向有关。通过比较
所得的4个函数值来确定在哪个方向上采用线性滤波器。利用这个方法可以在每个像素上估计出图形的边界方向, 从而避免平均那些通过边界的像素点。这种方法也可用在超声医学图像的滤波上。
[11]
T w o -par t filtering alg orithm 是T he directional filter ing algo rithm 的扩充, 首先将图像进行低通滤波, 然后计算每个像素点的梯度, 从中可以获得一些关于图形边界的信息, 这时再应用一个可以自适应调节系数的滤波器, 它的系数是以保证图形边界不被模糊为条件, 根据像素点的位置不同来调节的, 如果被低通滤波后的图像有信息损失, 那么在大梯度区域将采用被增大系数的高通滤波器, 否则相反; 如果被低通滤波后的图像没有信息损失, 那么将继续采用低通滤波器; Function appr oxim ation filtering alg orithm 是对每个像素点进行局部统计估计, 用这个估计值代替原像素值。该方法需要将原图像划分为固定大小的几个子图像, 这样某些统计量才能得到。一个比较简单的例子是在每个子图像中估计出各个像素点的均值与方差, 如果其方差小于某个事先给定的值时, 用它的均值代替它的像素值, 否则, 该子图像继续被划分为更小的图像, 同时继续重复上述算法。
[11]
[15]
3 MRI 图像的后处理
利用图像的后处理技术可以消除所得M RI 图像上的各种噪声, 增强图像的清晰度。在图像增强方面主要先利用低通滤波器消除图像噪声, 再利用高通滤波器增强图像。实际上, 利用低通滤波器的降噪就是图像的平滑过程, 而普通的低通滤波器将导致图像结构与边界的模糊, 从而降低图像的可信度。因此理想的低通滤波器应该是只消除图像中的噪声, 而不模糊边界, 尤其对于像核磁共振图像这种细节比较多, 要求清晰度比较高的工作。这就需要在设计低通滤波器时要考虑到在应用平滑函数前探测出图形边界, 但是能在一副含有噪声的图像中探测出图形边界是一项非常困难的工作。许多学者提出了几种非线性低通滤波器来消除噪声并同时保存图像细节的滤波算法, 如Local statistics adaptive filter ing
[8]
algo rithm ; T he g radient inverse w eig hted (GIW ) filtering alg orithm [9]; The m ultiple model kalman
4 结 论
从上面分析知道, 在M RI 图像处理中, 大部分图像噪声的消除都利用了计算机的图像后处理技术, 或者在时域, 或者在频域。总之是利用各种数学方法和变换手段提高MRI 图像中人们所感兴趣的部分与其它部分的对比度, 并且增强图像的清晰度, 从而为医疗诊断提供一种崭新的突破性的诊断手段。
参
1
考文献
New man R . T he determination of the sign al -to -nois e ratio in di-agnostic magnetic res onance images in M RI:acceptance tes ting and quality con tr ol. M adis on, W I:M edical Phys ics , 1988; 8
页; [
504
生物医学工程学杂志 第19卷
En g , 1998; 120∶140131415
M cElh oney JH, Fogle J L. M echanical properties of cranial bon e. J Biomech anics, 1970; 3∶495
M isra JC , Chakravarty S. A s tu dy on rotational brain injury. J Biomech , 1984, 7∶459
Omm aya AK , Hirsch AE . Tolerance of cerebral con cuss ion from head impact and w hiplas h in primates. J Biom ech , 1971; 4∶1316
Ruan JS, Kh alil T B, King AI. Dyn amic response of the human h ead to impact -by three dim ens ion al finite element analys is . AS M E Trans J Biomech Eng , 1994; 116∶4417
T hibault LE, Gen arelli TA. Biom echan ics of diffus ebr ain in-juries in tenth in ternation al tech nical conferen ceon experimen-tal safety vehicles in London , En gland, bythe US Department of T rans portation , National Highw ay Traffic Safety Admin is-tration W as hington , DC , Government Printing Office 18192021
Bycroft GN. M athem atical model of a h ead s ubjected to an an-gular acceleration. J Biomechanics , 1973, 6∶487
Kum aresan LV , Pintar. Finite-element models of th e human h ead. M ed &Bolog Eng &Comp, 1996; 34∶375
Gen nar elli TA . Head injury . 3rd ed . Cooper PR ed . Willian s &Wilk ins, 1993, PP ∶137
M argulie S S, Th ibau lt LE. A p rop os ed toleran ce criterion for diffuse axonal injury in man. J Biomech anics, 1992; 25∶917
(收稿:2000-12-29 修回:2001-09-13)
injury and traumatic coma in the prim ate . An nals of Neurolo-gy, 1982; 12(6) ∶5644
M eaney DF, Sm ith DH, S hreib er DI, e t al . Biomech ani-calan alysis of experimen tal diffuse axonal injury. J Neurotrau-na , 1995; 12(4) ∶689567
Donn elly BR , M edige J . Shear properties of human brain tis-sue. J Biomech Eng, 1997; 119∶423
Shu ck LZ, Advani SH. Rheological respons e of human b rain tissu e in shear. ASM E J Basic En gineering, 1972; 94∶905Fallen stein GT , Hulce VD , M elvin J W . Dynamic m ater ial properties of hum an brain tiss ue . J Biomechanics , 1969; 2∶2178
Wan H C , W inem an AS. A mathematical model for the d eter-mination of viscoelastic b ehavior of br ain in vivo I:oscillatory res ponse . J Biomechanics , 1972; 5∶431910
Th ibau lt LE , Fry D . M echanical characterization of mem-bran elik e biological tiss ue. J Biomech Eng, 1983; 105∶31M argulies S S, T hibault LE , Gennarelli T A . Ph ysical m odel simu lations of brain injur y in the primate. J Biomechan ics , 1990, 23∶82311
Kumares an S , Radh akr ishnan S . Importan ce of partitioning mem branes of the brain and the influence of th e neck in head injury modeling. M ed &Biol En g &Comput, 1996; 34∶2712
Nishimoto T , M u rak ami S. Relation between diffus e axonal in-jury and internal head structures on b lunt im pact. J Biomech
(上接第495页; C ontinued f rom P ag e 495) 2
Craig A. Hamilton, Peter S. Quantization im provement in M RI u sing d ual quan tiz ers. IEEE T ran On M edical Im aging , 1991; 10(3) ∶3873
Spraggines T A. Spik e removal from M R raw data sets. in Book of Ab stracts :society of magnetic resonance in medicine . 1987, Berkeley, CA:Soc of M agn Reson In M ed , 1987; 7894
Th omas KFF, Nancy S G, Jam es DM , e t al . Snore:s pike noise removal an d detection. IEEE Trans On M edical Im aging , 1994; 13(1) ∶1335
Wood M L , Sh ivji M J , Stan chev PL . Planar m otion cor rection w ith us e of k -s pace data acqu ired in Fou rier M R im agin g. J M RI, 1995; 5(1) ∶576
Korin HW, Farzan eh F, Wright RC, et al . Compensation for effects of linear motion in M R imaging. M agn Res on M ed , 1989; 12∶997
Zoroofi RA , Sato Y, Tamura S, et al . M RI ar tifact cancella-tion due to rigid motion in the imaging plane. IEEE Trans On M edical Im aging , 1996; 15(6) ∶7688
Lee J S. Digital image enhancement an d noise filtering by use of local statis tics . IEEE T rans Patt Anal M achine Intell , 1980; 2
[1**********]09
∶165
W an g DCC, Vagucci AH, L i CC. Gradient inverse w eigh ted s cheme and th e evaluation of its performance. Comput Graph Image Procedding, 1981; 15∶167
W oods JW , Dr avida S , M ediavilla R . Image estim ation us ing doub ly stoch as tic Guassian random field models. IE EE T ran s Patt Anal M ach Intell, 1987; 245
Pavlidis T. Algorithm s for gr aph ics an d image process ing. Com puter Science Pres s.
M auds ley AA . Dynamic range improvem ent in NM R imaging us ing phase s cramblin g. J M ag Res, 1989; 76∶287
J ayant NS, Noll P. Digital coding of w aveform s:principles and applications to s peech and video. Englew ood Cliffs, NJ:Prentice-Hall, 1984
Bakir T , Reeves SJ . A filter design method for minimiz ing rin ging in a region of interes t in M R spectroscopic images. IEEE T ran s On M edical Imaging, 2000; 19(6) ∶585赵树魁, 李德玉, 汪天富. 超声医学图像滤波算法研究进展. 生物医学工程学杂志, 2001; 18(1) ∶145
(收稿:2001-05-18)