本文是一篇计算机专业论文，本文根据不同组织器官中水分子的不同运动特性，建立了合适的IVIM成像模型，同时，针对不同IVIM成像模型，提出了不同的参数估计方法，旨在准确估计出不同IVIM成像模型的模型参数，准确描述不同器官中水分子的不同运动特性。
第1章 绪论
1.1 研究背景和意义
水分子在人体组织器官中的无规则布朗运动可以分为两种形式，一种是组织间质中的扩散运动，另一种是毛细血管中的伪扩散运动，也称灌注运动。从生物物理学角度来看，水分子的灌注运动是指由于血管内血液的流动，导致血管内水分子与组织间质中的水分子在流速上产生显著差异的动态过程，这一过程在医学影像中常用于评估组织的灌注情况和血管功能，在疾病诊断中扮演着非常重要的角色。研究表明，人类大多数疾病早期均是由组织灌注异常直接或间接引起的，例如，肝纤维[1-3]，脑肿瘤[4-8]，脑卒中[9-14]，心肌梗死[15-19]，肾衰竭[20-28]等。到目前为止，水分子的扩散信息和灌注信息已经被广泛应用于各种疾病的诊断、分级和术前术后评估中。因此，准确描述组织中水分子扩散和灌注信息对疾病的早期发现和术后评估具有重要的研究价值和临床意义。
磁共振扩散成像 (diffusion Magnetic Resonance Imaging, dMRI) 技术由于可以无损检测人体组织内水分子扩散运动而受到广泛关注，该技术引入一个表观扩散系数 (Apparent Diffusion Coefficient, ADC) 反映水分子在人体组织中的扩散行为。然而，该技术并不能用于水分子灌注运动的检测，同时，由于灌注运动对信号的影响，使得通过系数ADC反映的水分子扩散运动信息存在偏差。为了检测水分子运动的灌注信息，单光子发射计算机断层成像 (Single-Photon Emission Computed Tomography，SPECT)[29]、正电子发射计算机断层成像 (Positron Emission Computed Tomography，PET)[30]、CT(Computed Tomography) 灌注成像[31, 32]和动态增强磁共振成像 (Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DEMRI) 等技术接连出现，虽然这些技术能够用于检测水分子的灌注运动信息，但是在成像时需要向人体血管内注入示踪剂或造影剂，因此对人体健康有着潜在危害。
1.2 国内外研究现状
IVIM成像技术对疾病的准确诊断主要取决于合适的IVIM成像模型以及准确的参数估计方法，下面将分别从这两方面描述一下当前IVIM成像技术的研究现状。
(1) 基于IVIM成像模型的研究
水分子的运动特性是建立合理IVIM成像模型的关键因素。1986年，Le Bihan等人[33]基于水分子在人体内的扩散运动和灌注运动创建了IVIM的概念，并于1988年[34]首次提出了IVIM成像技术并将其应用于脑组织中枢神经系统的扩散和灌注检测，通过分别测量正常和缺血脑组织的平均扩散系数ADC值是否与实际组织灌注的情形相符，从而间接证实了IVIM成像技术能够在不使用造影剂的情况下同时测量组织扩散和灌注的可行性，并在此基础上提出了经典的IVIM双指数模型并将其用于描述人体组织内水分子的扩散和灌注运动。
然而，IVIM双指数模型仅能用于描述水分子的扩散运动和灌注运动的高斯特性。但是人体组织内结构复杂，并不能保证水分子在所有人体组织中的运动形式都符合高斯运动特性，基于此，JENSEN J H等人[35, 36]结合IVIM与扩散峰度成像 (Diffusion Kurtosis Imaging, DKI) 模型可以描述水分子扩散运动高斯与非高斯的特点，建立了IVIM-DKI混合模型，该模型反映出的体素内水分子的无规则运动相较于双指数模型则更加合理，Kevin M. Bennett等人[37, 38]提出了拉伸指数模型，通过引入一个取值范围在0到1的拉伸参数来描述信号衰减速率偏离单指数模型的程度，同时，该模型通过拉伸指数的变换描述不同微环境下水分子的高斯与非高斯运动，为描述水分子在不同微环境下的运动特征提供了新的思路。然而，该模型仅能用于描述水分子的扩散运动，并没有考虑灌注运动。
第2章 相关理论基础
2.1 体素内不相干运动 (IVIM)
体素内不相干运动（IVIM）是一种通过多个b值的DW信号序列获取疾病诊断信息的扩散磁共振成像技术，为充分了解IVIM的成像技术原理，接下来本章将对扩散磁共振成像的原理进行简单的介绍。
2.1.1 扩散加权磁共振成像原理
扩散加权磁共振成像是一种先进的磁共振成像技术，该技术通过测量和量化水分子在生物组织中的扩散运动从而获取组织结构特征，在神经科学、肿瘤学以及心血管疾病等领域具有广泛的应用前景，为医学诊断和研究提供了有力的工具。在扩散加权磁共振成像中可以利用磁共振成像 (magnetic resonance imaging, MRI) 技术来测量和量化水分子的扩散运动信息，从而获取组织的微观结构特征。通常来说，水分子在生物组织内的扩散运动会受到组织内各种结构的限制，DWI通过特定的磁场梯度脉冲来获取水分子的扩散运动信息，并测量这种运动对MRI信号的影响。具体来说，当水分子在磁场梯度脉冲的作用下发生扩散时，它们的自旋相位会发生变化，导致MRI信号的衰减。这种信号衰减的程度与水分子的扩散运动有关，即水分子的扩散能力越强，信号衰减程度越高。
2.1.2 IVIM成像原理
IVIM是一种以磁共振扩散加权图像为基础的医学影像技术，通过在多个b值下进行磁共振扩散加权成像，从而获得组织器官的多个3D图像。通过这种方式采集的医学图像的一大特点是每个b值对应的3D图像中的DW信号序列是逐渐衰减的，通过合理的成像模型拟合每个体素点的DW信号序列便可以得到水分子在人体组织器官内的扩散信息和灌注信息。
2.2 IVIM成像模型
拉伸指数模型、多指数模型都是在临床上比较有代表性且应用较为广泛模型，这两个成像模型各具特点，为本文的研究提供了重要的参考信息。
2.2.1 拉伸指数模型
扩散加权成像的信号衰减已经被证明是受到水分子的扩散运动所影响的，而水分子在人体组织器官中的运动存在微观异质性，即由于人体组织结构的复杂性，使得水分子在各个方向上的扩散速度并不相同。因此，水分子在组织器官中的运动是否能用指数形式的函数形式表示一直是一个极具争议的话题。2003年，Kevin等人[60]基于不同微环境下水分子运动的指数和非指数特性，建立了一个拉伸指数模型描述大脑内水分子运动的指数和非指数特性。
在拉伸指数模型中，DW信号的衰减速率与α值有极大的关联，如图2–2所示，当b×DDC>1时，α值越小，信号衰减速率就越慢，而当b×DDC>1时，结果则相反。同时，从图中还可以看出，信号衰减的拉伸特性主要体现在b×DDC较大的区域，即当b×DDC较大时，不同α值下信号衰减的程度差距较大。因此，较低的α值意味着信号衰减速率较慢，同时也意味着较多的可分离的质子群，即受微环境影响更大的水分子运动。
第3章 基于双优化的双拉伸指数IVIM模型参数估计方法研究 ..... 18
3.1 双拉伸指数模型 .......................... 18
3.2 基于DODNN的双拉伸指数模型参数拟合方法 ........................ 19
第4章 关于多阶段的三拉伸指数自适应 IVIM 模型参数估计方法研究 ............................... 30
4.1 三拉伸指数自适应IVIM模型 ..................... 30
4.2 基于 MSDNN 的三拉伸指数 IVIM 模型参数拟合方法 ......... 30
第5章 总结与展望 ................................ 45
5.1 主要工作总结 ................................... 45
5.2 研究展望 ................................... 46
第4章 关于多阶段的三拉伸指数自适应IVIM模型参数估计方法研究
4.2 基于MSDNN的三拉伸指数IVIM模型参数拟合方法
为了确定肝脏不同区域中灌注成分的数量，并且自适应的拟合三拉伸指数IVIM模型的参数，本章设计了一个基于多阶段的参数拟合神经网络 (multi-stage deep neural network, MSDNN)，主要结合阶段阈值分类与拟合任务实现对三拉伸指数IVIM模型参数的自适应准确估计，网络结构如图 4.1所示，网络模块上方数字代表该层的神经元个数。该网络结合PI-DNN平行训练的思想，首先将三拉伸指数IVIM模型退化为双拉伸指数模型，并求解出扩散成分和第一个灌注成分的模型参数dθ和pθ。
第5章 总结与展望
5.1 主要工作总结
1、基于双优化的双拉伸指数IVIM模型参数估计方法研究。
针对大脑中水分子的扩散和灌注运动的高斯和非高斯特征，本文首先在双指数模型基础上，引入了两个参数变量，建立了一个双拉伸指数IVIM模型，该模型可以用于描述水分子在大脑中扩散和灌注运动的高斯与非高斯特征，同时，提出了基于双优化的神经网络参数估计方法，从参数层面和信号层面同时优化神经网络参数，提升参数估计的可靠性。然后，通过在仿真数据上与常用参数估计方法比较验证基于双优化的参数估计方法的可靠性。最后，通过在真实大脑数据上与双指数模型进行比较评估双拉伸指数模型的临床诊断能力。从仿真数据实验
