基于field map对fMRI中的几何畸变伪影进行校正的方法

摘要

基于field map对fMRI中的几何畸变伪影进行校正的方法，多通道相控阵线圈图像(幅值图和相位图)的重建，对幅值图进行分割做掩膜、对相位图进行相位去卷绕，field map的生成，field map的去噪声，生成体素位移图和进行几何畸变校正；在field map去噪声的过程中，依据噪声来源不同，分别采用腐蚀的幅值图做掩膜去除边缘噪声和用去尖峰、中值滤波和高斯平滑方法去除内部噪声，两种方法的结合有效的去除了field map的噪声，利用field map对功能磁共振图像的校正效果明显，简单高效，具有很高的信噪比，能很好地改善其图像品质。

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于field map对fMRI中的几何畸变伪影进行校正的方法，尤其涉及通过多通道图像重建、幅值图分割、相位图去卷绕、field map的生成和去噪、体素位移图生成及几何畸变校正实现对功能核磁共振图像进行基于field map的几何畸变校正的方法。

背景技术

fMRI是研究脑活动、脑功能的主要的无创方法之一，具有毫米级的空间分辨率。BOLD-fMRI方法的提出和发展对脑认知功能的研究具有突破性的进展，它已成为神经科学探索人类大脑神经机制的重要工具。fMRI—般指基于血氧水平依赖(blood oxygen level-dependent,BOLD)的磁共振成像，它通过测量由神经活动引起的脑血流和脑血氧等成分变化而造成的磁共振信号变化来反应脑活动。

脑功能和神经功能研究中通常要求把低分辨率的EPI图像配准到高分辨率的MRI结构图像上，将EPI图像反映的脑部功能活动配准到MRI结构图像反映的大脑结构上。但是，在实际采集EPI图像的过程中，由于磁场不均匀的存在，会不可避免地引入伪影(artifact)，主要表现为EPI图像的几何畸变(geometric distortion)和信号丢失(signal dropout)。几何畸变表现为图像上的像素点(对应实际数据的体素点)偏离本来的位置、被压缩或被拉伸。EPI图像的几何畸变使功能磁共振图像难以准确配准到结构像上，可能造成脑激活区域的定位错误。所以，在开展后续研究之前，必须对EPI图像进行校正，而现有技术中并无相关的校正方法。

发明内容

为了克服上述现有技术的缺陷，本发明的目的在于基于field map对功能磁共振成像中的几何畸变伪影进行校正的方法，能够简单、稳定、高效地对功能核磁共振图像的几何畸变伪影进行校正。

为了达到上述目的，本发明的技术方案为：

基于field map对fMRI中的几何畸变伪影进行校正的方法，具体步骤如下：

(1)、多通道相控阵线圈图像重建，多通道相控阵线圈是由多个基本子线圈构成，每个子线圈都接收全部脑区或其它扫描区域产生的磁共振信号，最后将各个线圈接收的信号进行重建，得到完整的脑区图像；

(2)、幅值图分割做掩膜，对field map做掩膜(mask)运算，去除脑组织之外的信息，对重建后的幅值图像进行分割，去除头骨部分，将分割后的幅值图像作为field map的掩膜；

(3)、相位去卷绕，采用PRELUDE算法来进行相位去卷绕，该算法通过一种区域生长的方法优化cost函数来判定相邻相位区域的相位差值，最后利用该差值对各个相邻区域进行相位恢复去卷绕；

(4)、Field map的生成，从多通道中采集到的相位图的取值范围为0～4096，首先对各个通道的相位图进行归一化，将取值范围归一化到0～2π，经过多通道的相位重建后，相位差图的取值范围为-π到+π，再通过计算得到的field map；

(5)、Field map去噪，对于field map的边缘噪声，采取腐蚀运算将其去除；对于field map的内部噪声，采用卷积滤波方式进行去噪，具体做法是先采用去尖峰和中值滤波去除尖峰噪声，然后再用高斯平滑滤波对含噪声的field map做进一步的平滑；

(6)、生成体素位移图:获得了去噪后的field map后，依据下式计算体素位移图(voxel shift map,VSM)：

$\frac{y_0-y}{\Delta y}=(2{\tau }_r+\frac{N_x}{BW})N_y\Delta f(x,y)$

其中即为体素位移，Δf(x,y)即为去噪后的field map，N_y为y方向采样点总个数,BW读出方向的采样带宽,τ_r为读出方向转换梯度的上升时间；

(7)、对几何畸变图像进行校正:利用去噪后的field map和体素位移图对几何畸变的EPI图像按体素进行位置移动，对移动后产生的空隙进行插值计算，得到校正的EPI图像。

本发明的创新点在于：依据噪声来源不同，分别采用腐蚀的幅值图做掩膜去除边缘噪声和用去尖峰、中值滤波和高斯平滑方法去除内部噪声，两种方法的结合有效的去除了field map的噪声，利用field map对功能磁共振图像的校正效果明显，简单高效，具有很高的信噪比，能很好地改善其图像品质。

附图说明

图1是本发明的流程图。

图2是由八通道幅值图重建完整的幅值图。

图3是由两个回波时刻八通道相位图重建相位差图。

图4利用BET对幅值图进行分割。左图为分割前的幅值图，右图为分割后的幅值图。

图5对两个TE时刻的相位图进行相位去卷绕的结果。左图为带有相位卷绕的相位图，右图为去卷绕后的相位图。在相位去卷绕时利用分割的幅值图进行了掩膜运算。

图6是Field map的生成。左上图为相位去卷绕后的相位差图，右上图为分割的幅值图，利用分割的幅值图对相位差图做掩膜并处以两个回波时间间隔，即获得field map。

图7是利用腐蚀后的幅值图对field map做掩膜来去除field map的边缘噪声。左图为原field map，可以观察到边缘处有明显的噪声；右图为用腐蚀后的幅值图做掩膜得到的field map。

图8滤波去除field map的内部噪声结果图。

图9是field map生成的体素位移图。

图10是校正前后的EPI图像与幅值像。左上图为校正前的EPI图像，右上图为校正后的EPI图像，下图为没有几何畸变的幅值像。可以观察到黄色圆圈和箭头所示的前额叶部位的几何畸变得到了一定的校正。

具体实施方式

下面结合附图对本发明做详细叙述。

本发明基于field map对功能磁共振成像中的几何畸变伪影进行校正方法流程如图1所示。

(1)、首先多通道相控阵线圈图像重建。多通道相控阵线圈是由多个基本子线圈构成，每个子线圈都接收全部脑区(或其它扫描区域)产生的磁共振信号，最后将各个线圈接收的信号进行重建，得到完整的脑区图像。数据样本是在SIMENSE 4T磁共振成像仪上对一名34岁的男子采集的。数据包括八通道的双回波梯度序列(Dual Echo GR)幅值像数据和EPI数据。EPI数据是在受试者做数数任务(number task)时采集的，层面内成像矩阵(matrix)大小为64×64，采集的层面(slice)数目为34，层厚(slice thickness)为3mm，层间距为3.45mm，翻转角度(flip angle)为75度，回波时间TE为33ms，重复时间TR为2000ms，每像素带宽为1445Hz/pixel，共采集170个volume。

幅值像的采集采用双回波梯度序列(Dual Echo GR)，双回波梯度序列的两个回波时间TE分别为6ms、10ms，TR＝494ms，层面内成像矩阵(matrix)大小为64×64，层面内FOV为192×192mm，所以层面内的像素大小为3×3mm，采集的层面(slice)数目为34，层厚(slice thickness)为3mm，层间距为3.45mm，翻转角度(flip angle)为30度，采集带宽为260Hz/pixel。

采用八通道的头线圈采集了八通道的数据，每通道的数据包括幅值(magnitude)数据和相位(phase)数据，我们需要将八个通道中的图像重建成完整的幅值图和相位图。我们只需要利用一个回波时刻的幅值图，将各个通道的图像按照下式进行重建：

$A=\sqrt{\underset{i}{\Sigma }{A_i}^2}$

式中A表示重建后的幅值图，A_i表示第i个通道的幅值图。重建过程如图2所示，可以观察到重建后的幅值图各个脑区的信号强度基本一致。

我们需要理由两个回波时刻的相位图构建field map，field map是由两个回波时刻的相位差构建的，所以我们直接按下式构建相位差图，结果如图3所示。

$\Delta \Phi =\angle \underset{j=1}{\overset{n}{\Sigma }}{e}^{i({\Phi }_{2,j}-{\Phi }_{1,j})}$

ΔΦ为由两个回波时刻的八通道相位图构建的相位差图，Φ_2,j为第2个回波时刻第j个通道的相位图，Φ_1,j为第1个回波时刻第j个通道的相位图，n为通道数，j为当前通道。

(2)、幅值图分割做掩膜。field map一般只提供大脑颅骨内部脑组织的信息，所以我们一般会对field map做掩膜(mask)运算，去除脑组织之外的信息。我们对重建后的幅值图像进行分割，去除头骨部分，将分割后的幅值图像作为field map的掩膜。

BET算法的实现流程如下：首先通过直方图的方法找出头部图像中像素的灰度值上限和下限；接着对头部图像进行阈值化计算，在阈值化后的图像中计算头部重心坐标及半径；在原头部图像的重心处定义一个半径较小球面，球面由很小的三角形网格作为基本单元；每次增加一个三角形网格的顶点，使球面不断向外扩充，并进行平滑运算；当球面达到头部组织的外部边界时，再进行迭代时球面不会发生太大变化，此时的球面位置即为分割的边界位置，分割完成。BET被集成到FMRIB Software Library工具可以直接使用，利用BET算法对重建的幅值像进行分割结果如图4所示，左图为分割前的幅值图，右图为分割后的幅值图。

(3)、进行相位去卷绕。这里采用Jenkinson在2003年提出的PRELUDE(Phase Region Expanding Labeller for Unwrapping Discrete Estimates)算法来进行相位去卷绕。该算法通过一种区域生长的方法优化cost函数来判定相邻相位区域的相位差值，最后利用该差值对各个相邻区域进行相位恢复去卷绕。首先将相位图内部分成各个区域，每个区域内部不存在相位卷绕；其次定义cost函数定义为相邻区域边界的相位差的平方和，通过使cost函数达到最小值可以获得相邻两区域的相位差；获得相位差后，将相邻两区域进行合并，直至整个图像合并成一个区域时，完成相位的去卷绕。该算法已被集成到FMRIB Software Library软件包中。利用PRELUDE算法对两个回波时刻相位图进行相位去卷绕的结果如图5所示。

(4)、Field map的生成。利用磁场的不均匀程度ΔB(x,y)可以表征field map，同样利用ΔB(x,y)引起的拉莫尔进动频率偏移Δf(x,y)也可以表征field map：

$\Delta f(x,y)=\gamma \Delta B=\frac{\Delta \Phi }{\Delta TE}$

式中γ代表旋磁比，Δf(x,y)表示磁场不均匀引起的拉莫尔进动频率偏移的分布，ΔB表示磁场不均匀的强度分布，ΔΦ表示两个回波时刻的相位差，ΔTE表示两个回波的时间间隔。进行计算即可获得field map Δf(x,y)，在生成field map的过程中，利用分割出的幅值图做掩膜，去除非大脑组织的影响，其过程如图6所示。

(5)、Field map去噪。由图6中的field map可以观察到，field map的边缘和内部存在噪声，噪声的存在会影响到体素位移位置的计算精度，最终影响几何畸变校正的准确度，所以必须对field map进行去噪处理。本发明采取基于掩膜的腐蚀运算，首先对分割过的幅值图进行腐蚀，幅值图内部基本不存在噪声，腐蚀运算只会腐蚀幅值图的边缘，再利用腐蚀后的幅值图对field map做掩膜运算，就将field map的边缘噪声去除，如图7右图所示。

对于field map的内部噪声，我们采用卷积滤波方式进行去噪。滤波方法有三种：去尖峰方法(despike)、中值滤波方法(median filtering)和三维高斯平滑滤波方法(3D Gaussian filtering)。先采用去尖峰和中值滤波去除尖峰噪声，然后再用高斯平滑滤波对含噪声的field map做进一步的平滑，结果如图8所示。

(6)、生成体素位移图。获得了去噪后的field map后，就可以依据下式计算体素位移图(voxel shift map,VSM)：

$\frac{y_0-y}{\Delta y}=(2{\tau }_r+\frac{N_x}{BW})N_y\Delta f(x,y)$

其中即为体素位移，Δf(x,y)即为去噪后的field map，N_y为y方向采样点总个数,BW读出方向的采样带宽,τ_r为读出方向转换梯度的上升时间，去噪后的field>

(7)、对几何畸变图像进行校正。

最后我们利用去噪后的field map和体素位移图对几何畸变的EPI图像按体素进行位置移动，对移动后产生的空隙进行插值计算，得到校正的EPI图像。我们利用FUGUE(FMRIB's Utility for Geometrically Unwarping EPIs)实现几何畸变图像的体素位移和插值，结果如图10所示，左上图为校正前的EPI图像，右上图为校正后的EPI图像(采用despike滤波)，下图为没有几何畸变的幅值像，可以观察到黄色圆圈和箭头所示的前额叶部位的几何畸变得到了一定的校正。

综上所述，本发明的创新之处在于在对field map进行去噪的过程中，针对边缘噪声和内部噪声的不同，先后采用腐蚀幅值图对field map做掩膜滤除边缘噪声，采用尖峰方法(despike)、中值滤波方法(median filtering)和三维高斯平滑滤波方法(3D Gaussian filtering)滤除内部噪声，对边缘噪声和内部噪声滤除的结合使用达到了很好的去噪效果。利用field map对功能磁共振图像的校正效果明显，简单高效，具有很高的信噪比，能很好地改善其图像品质。