-
公开(公告)号:CN108846810A
公开(公告)日:2018-11-20
申请号:CN201810535155.3
申请日:2018-05-29
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 一种静息态功能磁共振影像噪声抑制的预处理优化方法,属于功能磁共振影像预处理领域。最近研究表明头动噪声对功能磁共振影像的干扰尤其突出。因此,有效抑制影像噪声(如头动干扰)是基于功能磁共振成像技术的脑功能研究亟待解决的首要问题。为了克服头动噪声,该方法确定带通滤波在线性回归分析去除协变量之前进行具有更好的头动噪声抑制效果。同时,在线性回归分析去除协变量过程中,此预处理优化方法选择14个滋扰变量(包括6个头动参数及它们的一阶导数、白质平均信号和脑脊液平均信号)可以进一步抑制头动噪声。与现有最先进的方法相比,此方法达到了更出色的噪声抑制效果。
-
公开(公告)号:CN109345516A
公开(公告)日:2019-02-15
申请号:CN201811091606.5
申请日:2018-09-19
Applicant: 重庆邮电大学
Abstract: 一种变换域HMT模型的脑磁共振体数据自适应增强方法,属于医学图像处理领域,本方法将小波变换和隐马尔科夫链进行有机结合。根据单个小波系数的概率密度函数呈高峰值、长拖尾的非高斯分布的特性,对单个小波系数的随机性建立高斯混合模型。同时,小波系数在尺度间传递的持续性采用隐马尔科夫树(Hidden Markov Tree,HMT)来描述。以此建立小波域隐马尔科夫树模型,使用EM算法对模型进行求解。使用HMT模型的解,估计无噪声干扰情况下小波系数取值的期望。对经过噪声抑制后的小波系数进行三维小波逆变换,得到增强的脑磁共振体数据。通过主观和客观评价可知,该小波自适应增强方法比小波阈值增强方法具有更好的视觉信息保真度。
-