روشي نوين در كاهش نوفه رايسين از مقدار بزرگي سيگنال ديفيوژن در تصويربرداري تشديد مغناطيسي (MRI)

An Improved Rician Noise Correction Technique from the Magnitude of Diffusion MR Images

شدت واقعي سيگنال استخراج‌ شده از تصاوير MRI به دليل اصلاح نوفه در محاسبات مربوط به مقدار بزرگي(magnitude) سيگنال در پيكسل‌هاي كم‌شدت، همواره با نوفۀ رايسين همراه است. اين مسئله به‌ويژه براي تصويربرداري‌هاي MRI با نسبت سيگنال به نوفۀ بسيار كم (SNR<3.0) مانند ديفيوژن MRI، در مقادير بزرگِ مشهور به b- value (حاصل كاربرد گراديآن‌هاي مغناطيسي پرقدرت در زمآن‌هاي طولاني) نيز صادق است. در اين پژوهش روشي براي حذف نوفۀ رايسين از پيكسل‌هاي تصاوير حاصل از مقدار بزرگي در MRI ارائه و يك معادلۀ خطي با عبارت تصحيح نوفه پيشنهاد شده كه مي‌تواند نوفۀ باياس‌شده را به پيكسل‌ها بطور منفرد حذف كند. در صورت مشخّص بودن مقدار متوسط و واريانس تابع دانسيتهء شدت هر پيكسل، اين تصحيح نوفه مطلوب و كامل است، اما در صورت عدم دسترسي دقيق به اين اطلاعات براي هر تك‌پيكسل، ميانگين‌گيري از نزديك‌ترين پيكسل‌هاي مجاور در تصوير معادلۀ تصحيح نوفه به‌كارگرفته‌مي‌شود. انتخاب تعداد پيكسل‌هاي مجاور با رساندن خطا به كمترين مقدار تقريبي انجام مي‌شود. طبق محاسبه در اين روش، به‌كارگيري دست‌كم 9 پيكسل همسايه براي سيگنال به نوفه معادل1/0 SNR=1.0)) مقدار تقريبي تا زير 10 % خطا مي‌دهد. روش كاهش نوفۀ رايسين ارائه‌شده در اين مقاله برتري قابل ملاحظه‌اي را در حذف نوفه از سيگنال ديفيوژن MRI در مقادير بزرگ b-نسبت به روش‌هاي ارائه‌شده تا زمان حاضر نشان مي‌دهد.

The true MR signal intensity extracted from noisy MR magnitude images is biased with the Rician noise caused by noise rectification in the magnitude calculation for low intensity pixels. This noise is more problematic when a quantitative analysis is performed based on the magnitude images with low SNR(<3.0). In such cases, the received signal for both the real and imaginary components will fluctuate around a low level (e.g. zero) often producing negative values. The magnitude calculation on such signals will rectify all negative values to produce only positive magnitudes, thereby artificially raising the average level of these pixels. The signal thus will be biased by the rectified noise. Diffusion MRI using high b-values (using strong magnetic gradients) is one the most important cases of biased Rician noise. A technique for removing this bias from individual pixels of magnitude MR images is presented in this study. This method provides a bias correction for individual pixels using a linear equation with the correction term separated from the term to be corrected (i.e. the pixel intensity). The correction is exact when the mean and variance of the pixel intensity probability density functions are known. When accurate mean values are not available, a nearest neighbor average is used to approximate the mean in the calculation of the linear correction term. With a nine pixel nearest neighbor average (i.e. one layer of nearest neighbors) the bias correction for individual pixel intensities is accurate to within 10% error for signal to noise ratios SNR=1.0. Several different noise correction schemes from the literature are presented and compared. The new Rician bias correction presented in this work represents a significant improvement over previously published techniques. The proposed approach substantially removes the Rician noise bias from diffusion MR signal decay over an extended range of b-values from zero to very high b-values.