[发明专利]一种基于NMF的MRI和MRSI数据融合方法

说明书

本发明提供了一种基于NMF的MRI和MRSI数据融合方法，首先对病人的MRI数据进行分割，通过在对病人插值后的MRSI数据进行NMF迭代分解的过程中加入MRI的分割信息和灰度信息：有分割线经过的体素对应的h‑map根据MRI灰度数据进行调整，而没有分割线经过的体素对应的h‑map保持不变。然后将融合后的h‑map再次带入MRSI数据的分解过程中直至满足终止条件，从而得到融合结果。本发明融合结果既保留了MRSI数据的高准确性也改善了MRSI数据空间分辨率上的不足，算法流程简单，准确性更优。

技术领域

本发明属于信号处理领域，尤其涉及一种基于NMF的MRI和MRSI数据融合方法。

背景技术

随着医学诊断技术的不断发展，越来越多的技术手段被应用于肿瘤诊断中。非侵入式的检测手段可以在避免手术的情况下对患者进行诊断，因而受到了广泛的应用。目前，医学上常见的非侵入式的肿瘤检测手段包括如正电子发射层扫描术(Positron EmissionTomography，PET)、X-射线、电子计算机X射线断层扫描技术(Computed Tomography，CT)、核磁共振(Nuclear Magnetic Resonance，NMR)技术等。近年来，人们对医学成像的要求越来越高，单一的成像方法已经不足以满足临床医学的要求，人们开始着手研究将多种不同的成像结果进行融合以得到融合结果，如SPECT/CT图像融合、CT/MRI图像融合、PET/CT图像融合等。

核磁共振谱成像(Magnetic Resonance Spectroscopy Imaging，MRSI)技术是肿瘤诊断的新技术，MRSI通过人体的化学成分提供人体组织生物化学的空间信息，能够对生物组织类型进行准确判断。但MRSI数据量大，结果表达不直观，需要专业人员解读，费时费力。此外，MRSI数据空间分辨率低，无法对肿瘤的位置进行准确分辨。这些都限制了MRSI技术在肿瘤诊断中的应用和推广。但MRSI数据却有着其它诊断手段无法比拟的高准确率，将MRSI数据与MRI数据进行数据融合，可以保留两种数据的优点，得到高准确率高空间分辨率的融合数据。

MRSI数据与MRI数据融合属于多模态数据融合，多模态数据融合在其它领域已经有了大量应用实例。Yokoya N等在《Coupled nonnegative matrix factorizationunmixing for hyperspectral and multispectral data fusion》中提出共轭非负矩阵分解交替分离算法(cNMF)用于将低空间分辨率高光谱数据与高空间分辨率多线谱数据进行融合以得到高空间分辨率的高光谱数据。该方法需要待融合的两组数据都可以进行NMF分解，而MRI源数据为图像数据，无法进行NMF分解，因而该方法无法用于MRI和MRSI数据的融合。

《Structure-revealing data fusion model with applications inmetabolomics》一文中采用非负张量分解方法通过将血液荧光样本和MRSI数据集相融合用于直肠癌患者的检测，非负张量分解为高阶矩阵分解方法。

发明内容

本发明的目的在于提供一种基于NMF的MRI和MRSI数据融合方法，即通过数据融合技术将不同模态的数据融合，得到包含两种数据优势的融合结果。

本发明是这样实现的，一种基于NMF的MRI和MRSI数据融合方法，包括以下步骤：

S1、将数据进行预处理，包括数据配准、MRI数据和MRSI数据处理；

S2、数据进行融合：

1)采用非负最小二乘法由X_IN和H_IN得到波谱矩阵W；