首页 / 专利库 / 数学与统计 / 扩散张量 / 一种基于扩散峰度成像的径向峰度各项异性定量方法

一种基于扩散峰度成像的径向峰度各项异性定量方法

阅读:838发布:2020-05-22

专利汇可以提供一种基于扩散峰度成像的径向峰度各项异性定量方法专利检索,专利查询,专利分析的服务。并且一种基于扩散峰度成像的径向峰度各项异性定量方法,包括:根据原始数据通过扩散峰度成像模型估计张量;根据 扩散张量 矩阵D定义径向平面;获取径向面内的扩散系数和峰度系数的分布;计算径向峰度Kp的 各向异性 。本 发明 将采集MRI 信号 并经过预处理之后,采用本发明所述的方法进行计算,可以得出基于扩散张量和峰度张量的径向面内峰度分布各向异性指标。该指标能反映对象在横截面内的结构几何特征,能反映比扩散信息更丰富精确的结构特征。利用该指标,通过统计分析、分类 算法 等多种分析可以精确反映神经白质微结构异常、各项异性弹性在横截面的不均特性、对组织的发育以及病理结构改变等等。,下面是一种基于扩散峰度成像的径向峰度各项异性定量方法专利的具体信息内容。

1.一种基于扩散峰度成像的径向峰度各项异性定量方法,其特征在于,包括如下步骤:
1)根据原始数据通过扩散峰度成像模型估计张量;
2)根据扩散张量矩阵D定义径向平面,包括:
对扩散张量矩阵D进行对化,得到特征向量v1v2v3和特征值λ1λ2λ3,且λ1≥λ2≥λ3如下:
其中最大特征值λ1对应的特征向量v1方向定义为轴向,与轴向垂直的平面定义为径向平面;
3)获取径向面内的扩散系数和峰度系数的分布,包括:
以径向平面中心点为单位圆心得到单位圆,选取均匀分布于单位圆上的P个单位向量xp,P>=3,p=1,2,3...P,计算每个单位向量方向上的峰度值Kp,
其中, 是单位向量xp方向的扩散系数; 是径向平
均扩散系数, 计算径向平面内的扩散系数和峰度系数的分布;
4)计算径向峰度Kp的各向异性,径向峰度各向异性计算如下:
其中, 是平均径向峰度值;P代表单位向量的个数,Kp代表第p个单位
向量上的径向峰度,RKA代表径向峰度各项异性。
2.根据权利要求1所述的一种基于扩散峰度成像的径向峰度各项异性定量方法,其特征在于,步骤1)所述的原始数据包括:一个b=0的无扩散加权成像信号,若干非零b值下的扩散加权成像信号,且所述的成像信号来自同一个对象。
3.根据权利要求1所述的一种基于扩散峰度成像的径向峰度各项异性定量方法,其特征在于,步骤1)包括:
(1)根据原始数据通过扩散峰度成像模型估计分别得到N个方向上的表观扩散系数Dapp和表观峰度系数Kapp;
(2)分别得到表观扩散系数Dapp表达式和表观峰度系数Kapp表达式如下:
其中,
由于对称性,扩散张量矩阵D仅有6个未知量,峰度张量矩阵W仅有15个未知量,式中,x1、x2、x3分别为三维向量三个维度的坐标,i、j、k、l代表维度的编号,取值1或2或
3,Dij代表扩散张量矩阵D的第i行第j列元素,Wijkl代表峰度张量矩阵W的第i/j/k/l维度元素;
(3)对表观扩散系数Dapp表达式和表观峰度系数Kapp表达式通过最小二乘法估计得到扩散张量矩阵D和峰度张量矩阵W的所有元素。

说明书全文

一种基于扩散峰度成像的径向峰度各项异性定量方法

技术领域

[0001] 本发明涉及一种径向峰度各项异性定量方法。特别是涉及一种扩散磁共振成像定量参数指标的基于扩散峰度成像的径向峰度各项异性定量方法。

背景技术

[0002] 磁共振扫描仪可以对物体或生物组织呈现多种模态的检测和信息获取,分子的扩散特性是生物组织内的十分普遍的现象也能充分反映物质的微观结构特性。磁共振扩散加权成像(MR-DWI,diffusion weighted imaging)是检测物体内水分子扩散行为的技术,扩散峰度成像(DKI,diffusion kurtosis imaging)技术就是通过采集多个方向上的MRI信号,获取物体内水分子的扩散分布情况,进而研究物体内的微观结构特性。
[0003] 引入高阶张量以及高阶模型进行微结构的重建和测量已经是目前信息检测技术的发展趋势,但是高阶量的引入面对的是高阶量的解析。扩散峰度成像中得到的扩散张量是二阶张量,而峰度张量是一个四阶张量,其特征解析一直未得到解决。通过低阶扩散张量和高阶峰度张量的结合,或许能回避并解决这一问题。同时,扩散张量检测技术一直都从全局空间出发,重建微结构模型。而事实上,扩散检测技术的面对的微结构大都是各向异性的,具有轴向和径向两个基本方位。将张量的解析优势发挥在轴向或者径向的局部,或许能得到特异性更强更敏感更精确的微结构检测指标。

发明内容

[0004] 本发明所要解决的技术问题是,提供一种能反映比扩散信息更丰富静息的结构特征的基于扩散峰度成像的径向峰度各项异性定量方法。
[0005] 本发明所采用的技术方案是:一种基于扩散峰度成像的径向峰度各项异性定量方法,包括如下步骤:
[0006] 1)根据原始数据通过扩散峰度成像模型估计张量;
[0007] 2)根据扩散张量矩阵D定义径向平面;
[0008] 3)获取径向面内的扩散系数和峰度系数的分布;
[0009] 4)计算径向峰度Kp的各向异性,径向峰度各向异性计算如下:
[0010]
[0011] 其中, 是平均径向峰度值;P代表单位向量的个数,Kp代表第p个单位向量上的径向峰度,RKA代表径向峰度各项异性。
[0012] 步骤1)所述的原始数据包括:一个b=0的无扩散加权成像信号,若干非零b值下的扩散加权成像信号,且所述的成像信号来自同一个对象。
[0013] 步骤1)包括:
[0014] (1)根据原始数据通过扩散峰度成像模型估计分别得到N个方向上的表观扩散系数Dapp和表观峰度系数Kapp;
[0015] (2)分别得到表观扩散系数Dapp表达式和表观峰度系数Kapp表达式如下:
[0016]
[0017]
[0018] 其中,
[0019] 由于对称性,扩散张量矩阵D仅有6个未知量,峰度张量矩阵W仅有15个未知量,[0020] 式中,x1、x2、x3分别为三维向量三个维度的坐标,i、j、k、l代表维度的编号,取值1或2或3,Dij代表扩散张量矩阵D的第i行第j列元素,Wijkl代表峰度张量矩阵W的第i/j/k/l维度元素;
[0021] (3)对表观扩散系数Dapp表达式和表观峰度系数Kapp表达式通过最小二乘法估计得到扩散张量矩阵D和峰度张量矩阵W的所有元素。
[0022] 步骤2)包括:
[0023] 对扩散张量矩阵D进行对化,得到特征向量v1v2v3和特征值λ1λ2λ3,且λ1≥λ2≥λ3如下:
[0024]
[0025] 其中最大特征值λ1对应的特征向量v1方向定义为轴向,与轴向垂直的平面定义为径向平面。
[0026] 5.根据权利要求1所述的一种基于扩散峰度成像的径向峰度各项异性定量方法,其特征在于,步骤3)包括:
[0027] 以径向平面中心点为单位圆心得到单位圆,选取均匀分布于单位圆上的P个单位向量xp,P>=3,p=1,2,3…P,计算每个单位向量方向上的峰度值Kp,
[0028]
[0029] 其中, 是单位向量xp方向的扩散系数; 是径向平均扩散系数, 计算径向平面内的扩散系数和峰度系数的分布。
[0030] 本发明的一种基于扩散峰度成像的径向峰度各项异性定量方法,将采集MRI信号并经过预处理之后,采用本发明所述的方法进行计算,可以得出基于扩散张量和峰度张量的径向面内峰度分布各向异性指标。该指标能反映对象在横截面内的结构几何特征,能反映比扩散信息更丰富精确的结构特征(如图1)。利用该指标,通过统计分析、分类算法等多种分析可以精确反映神经白质微结构异常、各项异性弹性在横截面的不均特性、对组织的发育以及病理结构改变等等。附图说明
[0031] 图1是根据扩张量矩阵D对角化的特征向量定义径向平面的示意图;
[0032] 图2是本发明基于扩散峰度成像的径向峰度各项异性定量方法的流程图

具体实施方式

[0033] 下面结合实施例和附图对本发明的一种基于扩散峰度成像的径向峰度各项异性定量方法做出详细说明。
[0034] 如图2所示,本发明的一种基于扩散峰度成像的径向峰度各项异性定量方法,包括如下步骤:
[0035] 1)根据原始数据通过扩散峰度成像模型估计张量;
[0036] 所述的原始数据包括:一个b=0的无扩散加权成像信号,若干非零b值下的扩散加权成像信号,且所述的成像信号来自同一个对象。扩散加权成像信号的采集具有方向的依赖性。为了得到更多精确的结构信息,实际采集将在空间均匀分布的多个方向(N>=15)上进行若干(M>=2)非零b值的扩散加权成像信号采集,这里N是采集方向数目,M是非零加权b值数目。
[0037] 所述的根据原始数据通过扩散峰度成像模型估计张量,包括:
[0038] (1)根据原始数据通过扩散峰度成像模型估计分别得到N个方向上的表观扩散系数Dapp和表观峰度系数Kapp;
[0039] (2)分别得到表观扩散系数Dapp表达式和表观峰度系数Kapp表达式如下:
[0040]
[0041]
[0042] 其中,
[0043]
[0044] 由于对称性,扩散张量矩阵D仅有6个未知量,峰度张量矩阵W仅有15个未知量,[0045] 式中,x1、x2、x3分别为三维向量三个维度的坐标,i、j、k、l代表维度的编号,取值1或2或3,Dij代表扩散张量矩阵D的第i行第j列元素,Wijkl代表峰度张量矩阵W的第i/j/k/l维度元素;
[0046] (3)对表观扩散系数Dapp表达式和表观峰度系数Kapp表达式通过最小二乘法估计得到扩散张量矩阵D和峰度张量矩阵W的所有元素。
[0047] 2)根据扩散张量矩阵D定义径向平面;包括:
[0048] 对扩散张量矩阵D进行对角化,得到特征向量v1v2v3和特征值λ1λ2λ3,且λ1≥λ2≥λ3如下:
[0049]
[0050] 其中最大特征值λ1对应的特征向量v1方向定义为轴向,与轴向垂直的平面定义为径向平面,如图1所示。
[0051] 3)获取径向面内的扩散系数和峰度系数的分布;包括:
[0052] 以径向平面中心点为单位圆心得到单位圆,选取均匀分布于单位圆上的P个单位向量xp,P>=3,p=1,2,3…P,计算每个单位向量方向上的峰度值Kp,
[0053]
[0054] 其中, 是单位向量xp方向的扩散系数; 是径向平均扩散系数, 计算径向平面内的扩散系数和峰度系数的分布,如
图1所示。
[0055] 4)计算径向峰度Kp的各向异性,
[0056] 径向峰度各向异性(Radial Kurtosis Anisotropic,RKA)计算如下:
[0057]
[0058] 其中, 是平均径向峰度值;P代表单位向量的个数,Kp代表第p个单位向量上的径向峰度,RKA代表径向峰度各项异性。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈