简介:【目的】本研究旨在探索弥散加权成像与弥散张量成像、不同弥散数量的弥散张量成像的量化指标的一致性,从而确定其可比较性。【方法】收集我院正常健康体检患者随机分为4组,每组20例,所有研究对象均行常规头颅MRI扫描,采用DWI、20、30、64个梯度方向的DTI检查,对每个研究对象选6个固定位置ROI,分别为双侧丘脑、尾状核头部、胼胝体体部,对各组间的ADC值进行统计分析。对DTI组及各DWI组所获得的扩散图像质量进行对比分析。而DWI组采用b值分别为0、500、1000s/mm2,对不同b值间所得ADC值进行对比分析。【结果】在各同一解剖位置的DWI和DTI所得到的ADC值组间比较均无统计学差异(P〉0.05)。各同一解剖位置不同梯度数量所得ADC值组间比较无统计学差异(P〉0.05)。不同b值所测得ADC值对比有统计学差异(P〈0.05)。DTI扩散方向越多,图像质量越好,而DWI扫描b值1000图像质量较500更好。【结论】DWI及DTI扫描所得的ADC值具有可比性和一致性,两种扫描方法所得量化指标可对照研究。
简介:介绍了层析成像技术的图像重建算法,并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明:用本质是线性算法的各种变换方法重建图像存在严重失真,而卷积滤波的引入可以使变换方法的重建效果有所改善;基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解;基于Fourier变换的方法具有本质的局限性;小波变换则可以同时刻画图像时域和频域的细节特征;有限元法通过重建对象像素的智能划分可以简化正问题的复杂性;而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建;智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。