磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法

摘要

本发明公开了一种磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法。它采集被测大脑的结构像，对结构像进行分割产生灰质概率图GM和白质概率图WM，灰质概率图GM和白质概率图WM组成参考图像pmCBF，利用参考图像pmCBF去除被测大脑在n个时间点的脑血流图CBF1～CBFn中的伪迹图。本发明能够有效去除采集到的脑血流图像序列中的伪迹图，降低误差，提高图像质量。

权利要求

1.一种磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，磁共振动脉自旋标记脑灌注成像数据包括被测大脑在n个时间点的脑血流图CBF1～CBFn，其特征在于，包括：采集被测大脑的结构像，对结构像进行分割产生灰质概率图GM和白质概率图WM，灰质概率图GM和白质概率图WM组成参考图像pmCBF，利用参考图像pmCBF去除被测大脑在n个时间点的脑血流图CBF1～CBFn中的伪迹图，去除伪迹图的方法包括以下步骤：S1：计算当前剩余的每一幅脑血流图与参考图像pmCBF的相关性系数CC；

S2：从相关性系数CC最小的脑血流图开始，按照相关性系数CC从小到大的顺序依次检测对应脑血流图是否为伪迹图，当检测到某幅脑血流图是伪迹图时，删除该幅脑血流图，计算当前剩余的其他脑血流图的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，重新执行步骤S1；

判断被检测的脑血流图是否为伪迹图的方法包括以下步骤：计算当前剩余的所有脑血流图灰质区域的标准差std0(GM)及白质区域的标准差std0(WM)，计算除了被检测的脑血流图之外当前剩余的其他脑血流图灰质区域的标准差std1(GM)及白质区域的标准差std1(WM)，判断std1(GM)+std1(WM)是否小于std0(GM)+std0(WM)，如果是，则判断被检测的脑血流图是伪迹图，否则判断被检测的脑血流图不是伪迹图；

计算一幅脑血流图与参考图像pmCBF的相关性系数CC的方法包括以下步骤：将该幅脑血流图的像素按列依次拼接成一维数据阵列X＝[x1，x2，x3，...，xN]T，将参考图像pmCBF的像素按列依次拼接成一维数据阵列Y＝[y1，y2，y3，...，yN]T，x、y表示像素，T表示转置变换，其中，

2.根据权利要求1所述的磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，其特征在于，由结构像分割产生的灰质概率图GM和白质概率图WM组成的参考图像pmCBF＝GM*β+WM，β＞1，β是一个常量，表示灰质和白质的对比度。

3.一种磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，磁共振动脉自旋标记脑灌注成像数据包括被测大脑在n个时间点的脑血流图CBF1～CBFn，其特征在于，包括：采集被测大脑的结构像，结构像和脑血流图CBF1～CBFn都是由M层单层扫描图组成的三维立体图，将脑血流图CBF1～CBFn的同一层单层脑血流扫描图组成一组，分别对每组图像进行处理，去除每组图像中的伪迹图；

去除某一组图像中的伪迹图的方法包括以下步骤：

N1：对结构像中与该组图像对应的一层单层结构像扫描图进行分割产生灰质概率图GM和白质概率图WM，灰质概率图GM和白质概率图WM组成参考图像pmCBF；

N2：计算该组图像中当前剩余的每一幅单层脑血流扫描图与参考图像pmCBF的相关性系数CC；

N3：从相关性系数CC最小的单层脑血流扫描图开始，按照相关性系数CC从小到大的顺序依次检测对应单层脑血流扫描图是否为伪迹图，当检测到某幅单层脑血流扫描图是伪迹图时，删除该幅单层脑血流扫描图，计算当前剩余的其他单层脑血流扫描图的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，重新执行步骤N2；

判断被检测的单层脑血流扫描图是否为伪迹图的方法包括以下步骤：取出该组图像中当前剩余的每一幅单层脑血流扫描图，将每一幅单层脑血流扫描图与其在所在的三维脑血流图中的相邻层脑血流扫描图取平均得到一幅平均脑血流扫描图，计算所有得到的平均脑血流扫描图灰质区域的标准差std2(GM)及白质区域的标准差std2(WM)，计算除了被检测的单层脑血流扫描图对应的平均脑血流扫描图之外该组图像中当前剩余的其他单层脑血流扫描图对应的平均脑血流扫描图灰质区域的标准差std3(GM)及白质区域的标准差std3(WM)，判断std3(GM)+std3(WM)是否小于std2(GM)+std2(WM)，如果是，则判断被检测的单层脑血流扫描图是伪迹图，否则判断被检测的单层脑血流扫描图不是伪迹图；

计算一幅单层脑血流扫描图与参考图像pmCBF的相关性系数CC的方法包括以下步骤：

将该幅单层脑血流图的像素按列依次拼接成一维数据阵列X＝[x1，x2，x3，...，xN]T，将参考T

图像pmCBF的像素按列依次拼接成一维数据阵列Y＝[y1，y2，y3，...，yN] ，x、y表示像素，T表示转置变换， 其中，

4.根据权利要求3所述的磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，其特征在于，由一层单层结构像扫描图进行分割产生灰质概率图GM和白质概率图WM组成的参考图像pmCBF＝GM*β+WM，β＞1，β是一个常量，表示灰质和白质的对比度。

说明书

磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法

技术领域

[0001] 本发明涉及磁共振动脉自旋标记灌注成像技术领域，尤其涉及一种磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法。

背景技术

[0002] 脑灌注又称脑血流(cerebral blood flow，CBF)是一项重要的生理指标。测量脑血流能给临床诊断器质性或功能性脑病变提供定量依据。因为脑功能激活会导致局部脑血流变化，测量脑血流也成了脑功能研究的一个重要手段。临床上测量脑血流基本上都要注射外源性示踪剂或造影剂。但这些示踪剂或造影剂有不同程度的副作用比如有放射性或肾毒性，所以适用面常有限，也不能在短时间内多次重复测量。

[0003] 基于磁共振的动脉血自旋标记灌注成像(Arterial Spin Labeling(ASL)perfusion MRI)是基于磁共振成像(MRI)的一种完全无创无毒副作用的血流测量技术，在临床和脑科学研究中有非常广阔的应用前景。由于总体标记的时间有限和标记后自旋的传输过程中的信号衰减，ASL MRI的信噪比通常很小，信号只占背景的1％左右。在ASL MRI中灌注信号的提取是从带标记和没有标记的图像相减的差值中获取的。这个过程使得ASL MRI对于运动非常敏感。低信噪比又进一步恶化这个过程，导致ASL CBF图像序列中会出现大量的伪迹图。这些伪迹图对ASL CBF质量影响很大必须去除。以往的去除伪迹图技术仅仅考虑到运动和标准差，没有考虑CBF本身的特性，伪迹图去除不到位，无法降低误差，有时甚至会加大误差。

发明内容

[0004] 本发明的目的是克服磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法去除伪迹图不到位的技术问题，提供了一种磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，其能够有效去除采集到的脑血流图像序列中的伪迹图，降低误差，提高图像质量。

[0005] 为了解决上述问题，本发明采用以下技术方案予以实现：

[0006] 本发明的磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，磁共振动脉自旋标记脑灌注成像数据包括被测大脑在n个时间点的脑血流图CBF1～CBFn，包括：

[0007] 采集被测大脑的结构像，对结构像进行分割产生灰质概率图GM和白质概率图WM，灰质概率图GM和白质概率图WM组成参考图像pmCBF，利用参考图像pmCBF去除被测大脑在n个时间点的脑血流图CBF1～CBFn中的伪迹图，去除伪迹图的方法包括以下步骤：

[0008] S1：计算当前剩余的每一幅脑血流图与参考图像pmCBF的相关性系数CC；

[0009] S2：从相关性系数CC最小的脑血流图开始，按照相关性系数CC从小到大的顺序依次检测对应脑血流图是否为伪迹图，当检测到某幅脑血流图是伪迹图时，删除该幅脑血流图，计算当前剩余的其他脑血流图的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，重新执行步骤S1；

[0010] 判断被检测的脑血流图是否为伪迹图的方法包括以下步骤：计算当前剩余的所有脑血流图灰质区域的标准差std0(GM)及白质区域的标准差std0(WM)，计算除了被检测的脑血流图之外当前剩余的其他脑血流图灰质区域的标准差std1(GM)及白质区域的标准差std1(WM)，判断std1(GM)+std1(WM)是否小于std0(GM)+std0(WM)，如果是，则判断被检测的脑血流图是伪迹图，否则判断被检测的脑血流图不是伪迹图。

[0011] 在本技术方案中，先计算当前剩余的每一幅脑血流图与参考图像pmCBF的相关性系数CC，找出相关性系数CC第一小的脑血流图，检测该脑血流图是否为伪迹图，如果是，则将其删除并计算出新的参考图像pmCBF，从头开始重新检测剩余的脑血流图，如果不是，则检测相关性系数CC第二小的脑血流图，如果相关性系数CC第二小的脑血流图是伪迹图，则将其删除并计算出新的参考图像pmCBF，从头开始重新检测剩余的脑血流图，如果相关性系数CC第二小的脑血流图不是伪迹图，则检测相关性系数CC第三小的脑血流图，如果相关性系数CC第三小的脑血流图是伪迹图，则将其删除并计算出新的参考图像pmCBF，从头开始重新检测剩余的脑血流图，如果相关性系数CC第三小的脑血流图不是伪迹图，则检测相关性系数CC第四小的脑血流图，如此循环，直到检测到相关性系数CC最大的脑血流图，如果相关性系数CC最大的脑血流图是伪迹图，则将其删除并计算出新的参考图像pmCBF，从头开始重新检测剩余的脑血流图，如果相关性系数CC最大的脑血流图不是伪迹图，则结束检测，当前剩余的脑血流图都不是伪迹图。

[0012] 脑血流图和大脑质子密度成像或T1加权结构图像高度相似，灰质和白质区域内脑血流的变化比较平滑。现有的去除伪迹图方法都是基于图像的均值，当大量伪迹图存在时，均值本身就会受到影响，导致质量好的图像帧被抛弃，真正伪迹图被保留，且去除伪迹的方法与脑血流图像特性没有关系。本方法引入了由被测大脑的结构像分割产生的灰质概率图GM和白质概率图WM组成参考图像pmCBF，避免大量伪迹图存在时，质量好的图像被误判为伪迹图去除，充分利用脑血流图像特性，降低误差。

[0013] 作为优选，由结构像分割产生的灰质概率图GM和白质概率图WM组成的参考图像pmCBF＝GM*β+WM，β＞1，β是一个常量，表示灰质和白质的对比度。为了让参考图像pmCBF的灰质部分信号比白质部分高。

[0014] 作为优选，计算一幅脑血流图与参考图像pmCBF的相关性系数CC的方法包括以下步骤：将该幅脑血流图的像素按列依次拼接成一维数据阵列X＝[x1，x2，x3，…，xN]T，将参考图像pmCBF的像素按列依次拼接成一维数据阵列Y＝[y1，y2，y3，…，yN]T，x、y表示像素，T表示转置变换， 其中，

[0015] 本发明的磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，磁共振动脉自旋标记脑灌注成像数据包括被测大脑在n个时间点的脑血流图CBF1～CBFn，包括：

[0016] 采集被测大脑的结构像，结构像和脑血流图CBF1～CBFn都是由M层单层扫描图组成的三维立体图，将脑血流图CBF1～CBFn的同一层单层脑血流扫描图组成一组，分别对每组图像进行处理，去除每组图像中的伪迹图；

[0017] 去除某一组图像中的伪迹图的方法包括以下步骤：

[0018] N1：对结构像中与该组图像对应的一层单层结构像扫描图进行分割产生灰质概率图GM和白质概率图WM，灰质概率图GM和白质概率图WM组成参考图像pmCBF；

[0019] N2：计算该组图像中当前剩余的每一幅单层脑血流扫描图与参考图像pmCBF的相关性系数CC；

[0020] N3：从相关性系数CC最小的单层脑血流扫描图开始，按照相关性系数CC从小到大的顺序依次检测对应单层脑血流扫描图是否为伪迹图，当检测到某幅单层脑血流扫描图是伪迹图时，删除该幅单层脑血流扫描图，计算当前剩余的其他单层脑血流扫描图的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，重新执行步骤N2；

[0021] 判断被检测的单层脑血流扫描图是否为伪迹图的方法包括以下步骤：取出该组图像中当前剩余的每一幅单层脑血流扫描图，将每一幅单层脑血流扫描图与其在所在的三维脑血流图中的相邻层脑血流扫描图取平均得到一幅平均脑血流扫描图，计算所有得到的平均脑血流扫描图灰质区域的标准差std2(GM)及白质区域的标准差std2(WM)，计算除了被检测的单层脑血流扫描图对应的平均脑血流扫描图之外该组图像中当前剩余的其他单层脑血流扫描图对应的平均脑血流扫描图灰质区域的标准差std3(GM)及白质区域的标准差std3(WM)，判断std3(GM)+std3(WM)是否小于std2(GM)+std2(WM)，如果是，则判断被检测的单层脑血流扫描图是伪迹图，否则判断被检测的单层脑血流扫描图不是伪迹图。

[0022] 在本技术方案中，被测大脑被扫描仪扫描得到的是三维立体图，这个三维立体图是由若干层二维扫描图像组合而成的。本方法增加了一个对图像层数的循环，将脑血流图CBF1～CBFn的同一层单层脑血流扫描图组成一组，分别对每组图像进行处理，去除每组图像中的伪迹图。

[0023] 现有方法都只考虑了全脑，实际上因为各层图像之间信号的分布不均以及受生理噪声或扫描方式的影响不一致，被确立为伪迹的图像其构成的某些截层很有可能还包含有用信息，这样就需要对各层图像单独进行伪迹去除，本方法能够对每幅脑血流图中的每层图像进行检测，以每层图像为单位去除伪迹图，而不是像现有方法一样直接删除整幅图，提高了检测精度。

[0024] 同时为了避免相邻层图像被清除的伪迹时间点相差太多(比如20个扫描时间点的脑血流图中第2层发现和去除的伪迹图为5、6、10、16、19时间点的脑血流图的第2层，而第3层被发现和去除的伪迹图为4、6、9、15、17、18时间点的脑血流图的第3层，两者只有一个伪迹图属于同一幅脑血流图)而导致相邻层图像间有显著信号差异的情况，在确定是否去除某个单层脑血流扫描图时，需要计算去除单层脑血流扫描图是否会导致本层和相邻层的平均值的灰质区域的标准差std2(GM)与白质区域的标准差std2(WM)之和是否变小。

[0025] 作为优选，由一层单层结构像扫描图进行分割产生灰质概率图GM和白质概率图WM组成的参考图像pmCBF＝GM*β+WM，β是一个大于1的常量，表示灰质和白质的对比度。为了让参考图像pmCBF的灰质部分信号比白质部分高。

[0026] 作为优选，计算一幅单层脑血流扫描图与参考图像pmCBF的相关性系数CC的方法包括以下步骤：将该幅单层脑血流图的像素按列依次拼接成一维数据阵列X＝[x1，x2，x3，…，xN]T，将参考图像pmCBF的像素按列依次拼接成一维数据阵列Y＝[y1，y2，y3，…，yN]T，x、y表示像素，T表示转置变换， 其中，

[0027] 本发明的有益效果是：(1)引入了由被测大脑的结构像分割产生的灰质概率图GM和白质概率图WM组成参考图像pmCBF，避免大量伪迹图存在时，质量好的图像被误判为伪迹图去除，充分利用脑血流图像特性，降低误差。(2)对每幅脑血流图中的每层图像进行检测，以每层图像为单位去除伪迹图，而不是像现有方法一样直接删除整幅图，提高了检测精度。

附图说明

[0028] 图1是本发明的一种流程图；

[0029] 图2是对磁共振动脉自旋标记脑灌注成像数据采用不同方法去除伪迹图后得到的脑血流图。

具体实施方式

[0030] 下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

[0031] 实施例1：本实施例的磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，磁共振动脉自旋标记脑灌注成像数据包括被测大脑在n个时间点的脑血流图CBF1～CBFn，包括：

[0032] 采集被测大脑的结构像，对结构像进行分割产生灰质概率图GM和白质概率图WM，灰质概率图GM和白质概率图WM组成参考图像pmCBF，利用参考图像pmCBF去除被测大脑在n个时间点的脑血流图CBF1～CBFn中的伪迹图，去除伪迹图的方法包括以下步骤：

[0033] S1：计算当前剩余的每一幅脑血流图与参考图像pmCBF的相关性系数CC；

[0034] S2：从相关性系数CC最小的脑血流图开始，按照相关性系数CC从小到大的顺序依次检测对应脑血流图是否为伪迹图，当检测到某幅脑血流图是伪迹图时，删除该幅脑血流图，计算当前剩余的其他脑血流图(即除了被删除的脑血流图之外的其余剩余脑血流图)的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，重新执行步骤S1；

[0035] 判断被检测的脑血流图是否为伪迹图的方法包括以下步骤：计算当前剩余的所有脑血流图灰质区域的标准差std0(GM)及白质区域的标准差std0(WM)，计算除了被检测的脑血流图之外当前剩余的其他脑血流图灰质区域的标准差std1(GM)及白质区域的标准差std1(WM)，判断std1(GM)+std1(WM)是否小于std0(GM)+std0(WM)，如果是，则判断被检测的脑血流图是伪迹图，否则判断被检测的脑血流图不是伪迹图。

[0036] 本方法如图1所示，进行如下循环检测：

[0037] (一)计算当前剩余的每一幅脑血流图与参考图像pmCBF的相关性系数CC；

[0038] (二)找出相关性系数CC第一小的脑血流图，计算当前剩余的所有脑血流图灰质区域的标准差std0(GM)及白质区域的标准差std0(WM)，计算除了相关性系数CC第一小的脑血流图之外其他脑血流图灰质区域的标准差std1(GM)及白质区域的标准差std1(WM)，判断std1(GM)+std1(WM)是否小于std0(GM)+std0(WM)，如果是，则判断相关性系数CC第一小的脑血流图是伪迹图并将其去除，计算除了相关性系数CC第一小的脑血流图之外其他脑血流图的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，接着跳转至步骤(一)，否则执行步骤(三)；

[0039] (三)找出相关性系数CC第二小的脑血流图，计算当前剩余的所有脑血流图灰质区域的标准差std0(GM)及白质区域的的标准差std0(WM)，计算除了相关性系数CC第二小的脑血流图之外其他脑血流图灰质区域的标准差std1(GM)及白质区域的标准差std1(WM)，判断std1(GM)+std1(WM)是否小于std0(GM)+std0(WM)，如果是，则判断相关性系数CC第二小的脑血流图是伪迹图并将其去除，计算除了相关性系数CC第二小的脑血流图之外其他脑血流图的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，接着跳转至步骤(一)，否则找出相关性系数CC第三小的脑血流图，采用上述方法检测相关性系数CC第三小的脑血流图是否为伪迹图；

[0040] 如此循环，直到检测到相关性系数CC最大的脑血流图，如果相关性系数CC最大的脑血流图是伪迹图，则将其删除并计算出新的参考图像pmCBF，从步骤(一)开始重新检测剩余的脑血流图，如果相关性系数CC最大的脑血流图不是伪迹图，则结束检测，当前剩余的脑血流图都不是伪迹图。

[0041] 脑血流图和大脑质子密度成像或T1加权结构图像高度相似，灰质和白质区域内脑血流的变化比较平滑。现有的去除伪迹图方法都是基于图像的均值，当大量伪迹图存在时，均值本身就会受到影响，导致质量好的图像帧被抛弃，真正伪迹图被保留，且去除伪迹的方法与脑血流图像特性没有关系。本方法引入了由被测大脑的结构像分割产生的灰质概率图GM和白质概率图WM组成参考图像pmCBF，避免大量伪迹图存在时，质量好的图像被误判为伪迹图去除，充分利用脑血流图像特性，降低误差。

[0042] 由结构像分割产生的灰质概率图GM和白质概率图WM组成的参考图像pmCBF＝GM*β+WM，β＞1，β是一个常量，表示灰质和白质的对比度。为了让参考图像pmCBF的灰质部分信号比白质部分高。

[0043] 计算一幅脑血流图与参考图像pmCBF的相关性系数CC的方法包括以下步骤：将该幅脑血流图的像素按列依次拼接成一维数据阵列X＝[x1，x2，x3，…，xN]T，将参考图像pmCBF的像素按列依次拼接成一维数据阵列Y＝[y1，y2，y3，…，yN]T，x、y表示像素，T表示转置变换，其中，

[0044] 图2所有图像的灰度值显示窗口为0-60ml/100g/min。图2中，C组图像是采用本方法去除伪迹图后得到的脑血流图，C组图像比采用现有的NAOC方法和SCORE方法得到的脑血流图的图像质量好(黑色区域减少)。

[0045] 实施例2：本实施例的磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法，磁共振动脉自旋标记脑灌注成像数据包括被测大脑在n个时间点的脑血流图CBF1～CBFn，包括：

[0046] 采集被测大脑的结构像，结构像和脑血流图CBF1～CBFn都是由M层单层扫描图组成的三维立体图，将脑血流图CBF1～CBFn的同一层单层脑血流扫描图组成一组，分别对每组图像进行处理，去除每组图像中的伪迹图；

[0047] 去除某一组图像中的伪迹图的方法包括以下步骤：

[0048] N1：对结构像中与该组图像对应的一层单层结构像扫描图进行分割产生灰质概率图GM和白质概率图WM，灰质概率图GM和白质概率图WM组成参考图像pmCBF；

[0049] N2：计算该组图像中当前剩余的每一幅单层脑血流扫描图与参考图像pmCBF的相关性系数CC；

[0050] N3：从相关性系数CC最小的单层脑血流扫描图开始，按照相关性系数CC从小到大的顺序依次检测对应单层脑血流扫描图是否为伪迹图，当检测到某幅单层脑血流扫描图是伪迹图时，删除该幅单层脑血流扫描图，计算当前剩余的其他单层脑血流扫描图(即除了被删除的单层脑血流图之外的其余剩余单层脑血流图)的均值，得到平均图像meanCBF，计算参考图像pmCBF与平均图像meanCBF的均值，得到平均图像averageCBF，将得到的平均图像averageCBF作为新的参考图像pmCBF，重新执行步骤N2；

[0051] 判断被检测的单层脑血流扫描图是否为伪迹图的方法包括以下步骤：取出该组图像中当前剩余的每一幅单层脑血流扫描图，将每一幅单层脑血流扫描图与其在所在的三维脑血流图中的相邻层脑血流扫描图取平均得到一幅平均脑血流扫描图，计算所有得到的平均脑血流扫描图灰质区域的标准差std2(GM)及白质区域的标准差std2(WM)，计算除了被检测的单层脑血流扫描图对应的平均脑血流扫描图之外该组图像中当前剩余的其他单层脑血流扫描图对应的平均脑血流扫描图灰质区域的标准差std3(GM)及白质区域的标准差std3(WM)，判断std3(GM)+std3(WM)是否小于std2(GM)+std2(WM)，如果是，则判断被检测的单层脑血流扫描图是伪迹图，否则判断被检测的单层脑血流扫描图不是伪迹图。

[0052] 被测大脑被扫描仪扫描得到的是三维立体图，这个三维立体图是由若干层二维扫描图像组合而成的。本方法增加了一个对图像层数的循环，将脑血流图CBF1～CBFn的同一层单层脑血流扫描图组成一组，分别对每组图像进行处理，去除每组图像中的伪迹图。

[0053] 现有方法都只考虑了全脑，实际上因为各层图像之间信号的分布不均以及受生理噪声或扫描方式的影响不一致，被确立为伪迹的图像其构成的某些截层很有可能还包含有用信息，这样就需要对各层图像单独进行伪迹去除，本方法能够对每幅脑血流图中的每层图像进行检测，以每层图像为单位去除伪迹图，而不是像现有方法一样直接删除整幅图，提高了检测精度。

[0054] 同时为了避免相邻层图像被清除的伪迹时间点相差太多(比如20个扫描时间点的脑血流图中第2层发现和去除的伪迹图为5、6、10、16、19时间点的脑血流图的第2层，而第3层被发现和去除的伪迹图为4、6、9、15、17、18时间点的脑血流图的第3层，两者只有一个伪迹图属于同一幅脑血流图)而导致相邻层图像间有显著信号差异的情况，在确定是否去除某个单层脑血流扫描图时，需要计算去除单层脑血流扫描图是否会导致本层和相邻层的平均值的灰质区域的标准差std2(GM)与白质区域的标准差std2(WM)之和是否变小。

[0055] 由一层单层结构像扫描图进行分割产生灰质概率图GM和白质概率图WM组成的参考图像pmCBF＝GM*β+WM，β＞1，β是一个常量，表示灰质和白质的对比度。为了让参考图像pmCBF的灰质部分信号比白质部分高。

[0056] 计算一幅单层脑血流扫描图与参考图像pmCBF的相关性系数CC的方法包括以下步骤：将该幅单层脑血流图的像素按列依次拼接成一维数据阵列X＝[x1，x2，x3，…，xN]T，将参考图像pmCBF的像素按列依次拼接成一维数据阵列Y＝[y1，y2，y3，…，yN]T，x、y表示像素，T表示转置变换， 其中，

[0057] 图2中，D组图像是采用本方法去除伪迹图后得到的脑血流图，D组图像比采用实施例1的方法以及现有的NAOC方法和SCORE方法得到的脑血流图的图像质量好(黑色区域减少)，特别是从椭圆所标记的地方可以看出去除伪迹能有效提高图像质量。