基于 Hankel 矩阵的奇异值分解法对脑血容积计算的研究

摘要：

针对动态对比度增强磁共振灌注成像中脑血容积的计算，提出基于 Hankel 矩阵的奇异值分解（Singular Value Decomposition，SVD）算法。在奇异值数目的确定上采用差分谱量级差的研究方法，对算法进行理论推导与仿真模拟，得到较为理想的滤波效果。由于成像过程存在测量噪声的干扰，分析了信噪比和示踪剂延迟对算法的影响。仿真结果表明，信噪比越低（SNR ＝5 dB），算法处理效果越明显；信噪比增高（SNR ＝100 dB），估计值偏差减小，结果越为准确。且该算法不受示踪剂延迟的影响。与传统奇异值分解算法相比，采用基于 Hankel 矩阵的奇异值算法可以更为准确地估计脑血容积。

关键词：动态对比度增强磁共振灌注成像、脑血容积、奇异值分解、Hankel 矩阵

所属期刊栏目：35

分类号：R318(医用一般科学)

资助基金：河北省自然科学基金项目资助E2013202238

在线出版日期：2016-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：38-42