乳腺癌是妇女最常见的恶性肿瘤之一,目前的影像学检查能够发现临床无病状或隐匿的乳腺病灶,在乳腺癌的早期检出和诊断方面具有重要的作用。磁共振成像(Megnetic Resonance Imaging, MRI)具有良好的软组织分辨率及空间分辨率,无放射性,成像技术和专用线圈的发展使得MRI成为乳腺肿瘤诊断方面具有潜力的一种影像学首段,目前,用于乳腺检查的MRI技术包括T1加权像、T2加权像、弥散加权成像、波谱成像、动态其动态增强磁共振成像(Dynamic Contrast-Enhanced MRI, DCE-MRI),尤其DCE-MRI可以从形态学和血流动力学两方面提供病灶内部的特征,是最为常用的MRI检查。然而,临床对乳腺DCE-MRI时间序列的影像学分析通常采用半定量的方式,依赖于医生的经验和主观判断,缺乏定量的DCE-MRI表现描述,诊断结果与医生的经验、水平、状态等因素相关。通过计算机辅助分析方法,可客观定量地分析DCE-MRI的影像特征,减少主观因素对诊断结果的影响,通过分析量化的影像特征参数与病灶良恶性之间的关系,提高DCE-MRI诊断乳腺癌的准确率。DCE-MRI诊断乳腺癌的敏感度很高,在95%-100%之间,在发现小的及多发乳腺病灶方面也具有优势；但特异性相对较低,如何提高DCE-MRI诊断乳腺癌的特异性正在成为研究热点。本文的研究目标是精确估计乳腺DCE-MRI的药代动力学(Pharmacokinetic,PK)参数,提高DCE-MRI诊断乳腺癌的特异性。其中,PK参数,如容积转移常数、组织血管外-细胞外体积分数等,可用于评估肿瘤血管系统的血流动力学情况,反映肿瘤新生血管的增长速度和肿瘤病灶恶性生长程度,是DCE-MRI的主要优势。PK参数的定量分析对于提高DCE-MRI诊断乳腺癌的特异性具有重要的理论意义和临床价值。然而从图像处理和分析的角度来看,乳腺DCE-MRI定量参数的精确估计存在一些困难(1)乳腺DCE-MRI成像过程中会受到噪声干扰,影响组织形变场和PK参数的估计,以及可视化效果。(2)乳腺DCE-MRI扫描过程中,病人运动、呼吸等会使增强图像序列产生伪影,运动伪影会导致时间-强度曲线的错误估计和有偏差的定量参数,降低小病灶的检出率,妨碍医生对影像信息的获取和判断。(3)乳腺DCE-MRI扫描的时间分辨率有限,一般仅有5-10个时间采样点,导致在单像素上估计的PK参数不可靠、准确度不高。在感兴趣区域上(RegionOf Interest, ROI)上对时间-强度曲线进行平均,是提高估计稳定性的一个途径,但过小的ROI仍会导致不稳定的计算结果,过大的ROI则可能包含多种类型的组织。一种可行的解决方案,是在PK参数成像重建中融入更多的先验信息,避免对ROI大小选取的需要,得到像素水平上的定量参数,以反映肿瘤不同区域的状态。因此乳腺DCE-MRI时间序列图像的噪声抑制、运动补偿和参数成像,是对DCE-MRI进行精确定量分析、提高乳腺癌诊断特异性的关键之一。本文的主要研究内容包括：(1) DCE-MRI图像的噪声抑制。这是进行乳腺DCE-MRI图像序列运动补偿和PK参数准确估计的必要前提。MR图像中的噪声一般认为服从Rician分布,是一种与信号相关的非加性噪声。此外,MR图像中的Rician噪声水平在空间上可能不均匀。针对加性高斯白噪声的去噪方法不能直接应用于MR图像的去噪。针对空间变化的Rician噪声,本文的思路是,对空间变化的噪声水平建模并进行估计,然后对图像各处的幅值依据不同的局部噪声水平进行方差稳定变换,使得噪声与信号幅值和空间位置无关,进而结合有效的去噪算法抑制这种空间变化的Rician噪声。问题的关键转化为如何有效估计MR图像中不同位置的噪声水平。MR图像中Rician噪声水平的估计,较为常用的是基于背景区域的方法。假设背景区域的信号值为零,采用最大似然或者幅值图像的二阶矩进行估计Rician噪声的水平,但不适用于空间变化噪声水平的估计。本文提出了一种基于稀疏性约束的Rician噪声水平场的估计方法,首先采用修正的中值绝对偏差(MAD)得到噪声水平的局部估计,然后对噪声水平场进行稀疏性约束并采用L1正则化最小平方(L1-LS)方法对局部估计进行拟合,最后利用噪声水平场对噪声图像幅值进行空间自适应方差稳定变换,使得噪声与信号幅值和空间位置无关,采用BM3D算法即可实现对噪声的抑制,最后通过方差稳定逆变换得到无偏的去噪图像。仿真实验中,噪声水平场估计的平均相对误差小于0.2%,利用空间自适应方差稳定变换进行去噪,相比方差稳定变换,去噪图像的峰值信噪比可提高2dB；采用真实乳腺MR图像进行去噪实验,利用自适应方差稳定变换可得到较高的Q度量。结果表明,所提出的方法能有效估计噪声水平场,并用于抑制MR图像中空间变化的噪声。(2) DCE-MRI图像的运动补偿。乳腺DCE-MRI扫描过程中,病人运动等会使图像序列产生运动伪影,运动伪影会导致时间-强度曲线的错误估计和有偏差的定量参数。消除运动伪影的影响,可提高参数估计的准确度。乳腺DCE-MRI的配准方法一般将增强前后的MRI图像视为不同模态的图像,然后使用互信息作为相似性度量对增强前后的图像对进行配准,难以融入针对DCE-MRI特点的先验知识。另外,DCE-MRI配准的能量函数多采用基于梯度的方法进行优化,计算比较耗时。近年来,马尔科夫随机场(Markov Random Field, MRF)能量的高效优化方法的提出,如Graph Cuts和Fast-PD算法,促进了MRF在图像配准中的应用,减少配准所需时间,并可以灵活地对组织形变场添加多种约束。为充分利用数据信息和增强在空间和时间上的先验信息,本文提出了联合估计增强场时间序列和组织形变场的贝叶斯框架。采用离散马尔科夫随机场模型分别对增强场时间序列和组织形变场进行建模和添加平滑约束,并通过分步迭代方式进行估计。首先假设序列图像已对齐,采用马尔科夫随机场模型对增强场时间序列进行建模和估计；然后用估计的增强场对增强图像序列进行“去增强”处理,近似地消除对比剂的增强效果,使得DCE-MRI图像序列可视为单一模态图像进行配准,组织形变场由基于B样条的FFD描述,FFD控制点的位移场使用离散MRF建模,归一化相关系数(Normalized Cross Correlation, NCC)作为图像相似性度量,并采用Fast-PD算法快速完成离散MRF能量的优化；以上两步交替迭代直至收敛。将最后求解的形变场对DCE-MRI序列图像进行运动补偿,实现序列图像的配准。实验结果表明,本文方法可准确估计增强场时间序列,并可达到较高的配准精度。(3)乳腺DCE-MRI的PK参数准确估计。在乳腺DCE-MRI药代动力学参数估计的研究中,研究人员最常采用的是使用非线性最小二乘法逐体素进行曲线拟合。由于噪声、时间分辨率有限等因素的影响,采用非线性最小二乘拟合时间-强度曲线难以准确估计乳腺DCE-MRI的PK参数图,需要对DCE-MRI时间序列图像中的数据信息和先验知识进行充分利用。一般用时间-强度曲线估计PK参数,需要将MRI T1信号强度转化为对比剂浓度,并用合适的参数模型描述对比剂(如Gd-DTPA)浓度随时间的变化情况,较为常用的药代动力学房室模型是Kety-Tofts模型和Brix模型。本文采用两房室Brix模型,这种模型使用局部参数化动脉输入函数(AIF),允许较低的扫描时间分辨率,并且Brix模型中的参数与生理参数联系更为直接。考虑常用的药代动力学房室模型,同质组织应具有相同的PK参数,PK参数在空间上还应具有一定的平滑性。本文提出一种利用组织空间结构信息对PK参数图进行约束和估计的方法,使得估计的PK参数图在空间上平滑,并在不同的组织区域具有一致性。以增强时间序列图像作为引导图像,采用引导图像滤波器提取组织结构信息,对参数图进行非线性滤波实现对参数图的隐式约束。引导图像滤波是一种快速的边缘保持滤波器,其基本原理是通过提取引导图像信息对输入图像进行滤波,输出的图像在保留输入图像整体特征的同时,能充分获取引导图像的变化细节,从而使得估计的PK参数图保留了乳腺组织结构。仿真和真实图像数据实验结果表明,与非线性最小二乘拟合方法相比,本文方法估计的PK参数图更准确,并能有效分辨乳腺组织和病灶类型,而且估计的参数图能用于区分良恶性肿瘤。本文系统地研究了DCE-MRI图像序列的噪声抑制方法、运动补偿方法和PK参数图的估计方法,并分析了估计的PK参数图与乳腺肿瘤良恶性之间的关系。