MRI图像处理——图片不均的校正

MRI图像处理——图片不均的校正

面向MRI影像的处理

图像不均匀性产生的原因：现有的MRI成像因为多个线圈并行会导致，随着距离变化，线圈的灵敏度下降，信号强度出现了变化，形成了不均匀的磁场由于磁场的不均匀性，会导致图像的不均匀，图像会出现部分区域低频的成分。

失真导致的问题：不同图片的不同组织之间出现了灰度级的重叠导致了图像在配准、量化处理、以及分割时阈值不容易设置等困难。

失真的校正方法：计算偏置场，然后用已知的偏置场对图像进行重建

校正的方法

校正的方法分为：前瞻性修正和回顾性修正

前瞻性修正

前瞻性修正是已知磁场的偏置情况，然后对图像进行修正，需要额外的测量信息

回顾性修正

直接从图象中提取需要的特征，不需要额外的测量信息，不区分个体和系统的误差都可以进行修正，修正时需要一些前提假设

校正使用的模型

基本假设：

• 对于同种的组织的信号强度一致

• 偏置场是一个空间平滑变换的：可以是加法关系也可以是乘法关系

  additive：$v(x)=u(x)+f(x)$

  multiplicative：$v(x)=u(x)f(x)$

  $u(x)$是校正后的图片，$f(x)$是非均匀的场，$v(x)$是获得的图像

基于滤波的方法

假设：

• 偏置场是一个低频信号
• 成像的组织具有较高频的成分

通过使用一个低通滤波器可以将偏置场滤去

$v(x)=u(x)f(x)$ → $log(v(x))=log(u(x))+log(f(x))$ →
$log(u(x))=log(v(x))-LPF(log(v(x)))+C_N$

$LPF(log(v(x)))$ 表示估计的偏置场

$C_N$ 表示归一化系数，弥补原图像的低频损失

缺点：因为原图像也可能有低频成分所以使用低通滤波器会将损失图像的低频成分，实际中不太常用，需要真实的图像和低频成分分开，对于图像要求比较高，比较适合小物体

曲面的校正

假设：

• 不论组织的位置，组织所产生的信号都是相同
• 偏置场可以通过一个光滑的曲面表示

通过选择属于同一种组织的像素实现校正，适合颅脑成像图片的校正

缺点：需要同质组织具有较大的面积

直方图校正

假设：

• 偏差场：非均匀性场在缓慢变化->是一个平滑直方图
• 组织：直方图具有更高的频率含量

使用N3方法：N3 method (Nonparametric Nonuniform intensity Normalization)

根据统计学原理，如果两个变量不相关，偏置场和图片本身是相加关系，在直方图上两者是卷积的

可以认为是，被偏置场模糊的图像，所以可以反卷积（是一个sharpening的过程）

首先通过随机产生一个偏置场，然后通过这个猜测推测出一个原图片，然后将生成图片减去猜测的原图片，通过差值求出偏置场，如此循环，直到两次求出的偏置场相同

N3的方法对于数据的源不敏感，可以对CT图像以及MRI图像都可以实现矫正，但是计算量较前两种较大

量化评估

CV（coefficient of variation）：

$CV(C)=\frac{\delta (C)}{\mu (C)}$

CV值越小越好，表示组织之间的灰度值之间的差异较小，是组织之间的对比，但也是反应了组织之间的系数，所以比较难以操作

标准化图像的 standardization

不标准化无法批量处理，以及无法进行分割

使用简单的线性拉伸不能完全对齐，也不能满足量化分析，想要做到的是不同图片之间相同组织的配准

对于相似的图片，找出特定的marker，比如众数，双众数，最大众数的半腰值等等，使用分段韩式将这些值对齐在同一位置上即实现了图像的标准化