磁共振波譜微弱信號的自動檢測和量化算法研究.pdf

1、基于磁共振波譜(MRS)這種無創(chuàng)地檢測活體組織特定化學特性的影像信息學方法,本文研究和設計了一套針對微弱譜峰信號的自動檢測的量化算法,實現(xiàn)了對低信噪比信號的量化估計,為其臨床應用提供了可能。
　　本課題研究的算法包涵了信號預處理和量化估計,前者內容包括水信號的抑制、降噪和基線校正,后者主要運用ER濾波(ER-filter)和基于Hankel矩陣的奇異值分解法(HSVD)相結合的時頻結合方法。在量化估計部分,針對洛侖茲模型中代表信號

2、成分個數的模型階數 K的選取這一關鍵問題做了不同方法的研究測試,并通過全仿真測試實驗和在真實人腦 MRS數據加入測試信號的半仿真測試實驗對算法的性能進行測試。在保證算法誤碼率在5％以下的前提下,我們通過檢出率和相對均方誤差(RRMSE)來衡量算法的檢測和估計性能,并給出了算法適合臨床應用的信噪比(SNR)要求。
　　在模型階數K的選取上,我們首先比較了高斯曲線擬合法、峰度分析法和固定值法的性能差別,結果顯示高斯擬合法在檢出率和RR

3、MSE上都有優(yōu)勢。在此基礎上,我們進一步研究了基于歸一化擬合質量數Qfit和最小信息長度MDL的估計方法,并提出一種有條件的最小信息長度方法 MDLcon,其估計性能較好,且檢出率最高?？紤]臨床應用的誤差上限條件, MDLcon與高斯擬合法相比,其準確性較高,尤其是針對低衰減系數的信號的量化估計有較大的優(yōu)勢,檢出率略低于高斯擬合。
　　最后,本文對后期的工作進行了展望,希望本研究能為臨床MRS微弱譜峰檢測應用提供更加準確和直觀的波