基于3D U-Net和DTI模型约束的扩散张量场估计方法

作者：麦兆华; 李嘉龙; 冯衍秋; 张鑫媛

来源：南方医科大学学报, 2023, 43(07): 1224-1232.

DOI：10.12122/j.issn.1673-4254.2023.07.19

• 扩散张量成像
• 张量场估计
• 3D U-Net
• Rician噪声
• 图像去噪

目的 为从少量的低信噪比扩散加权（DW）图像中估计得到准确的扩散张量成像（DTI）量化参数，本文提出一种基于3D U-Net和DTI模型约束的扩散张量场估计网络（3D DTI-Unet）。方法 3D DTI-Unet的输入为有噪声的扩散磁共振成像（dMRI）数据（包含1幅非扩散加权图像与6幅不同扩散编码方向的DW图像），通过3D U-Net网络预测得到降噪后的非扩散加权图像以及准确的扩散张量场，并通过DTI模型重建得到dMRI数据，将其与dMRI数据的真实值进行比较来优化网络，从而保证dMRI数据与扩散张量场的物理模型一致性。为验证所提方法的有效性，与Marchenko-Pastur主成分分析（MP-PCA）和基于全局指导下的局部高阶奇异值分解（GL-HOSVD）这两种扩散加权图像去噪算法进行实验对比。结果 从DW图像、扩散张量场以及DTI量化参数的定量分析结果以及视觉效果来看，所提方法均优于MP-PCA与GL-HOSVD。结论 本文所提方法能够从1幅非扩散加权图像和6幅DW图像得到准确的DTI量化参数，可减少临床采集时间，提高临床量化诊断的可靠性。

• 单位
  南方医科大学; 生物医学工程学院