脑血管疾病一直以来对人类的生命健康产生了重大威胁,在中老年人群体中患病率很高。通过对脑血流动力学状态和血液动力学参数方面的评估来对缺血性脑卒中进行预防和治疗具有非常重要的意义。氧摄取分数(OEF,Oxygen Extraction Fraction)作为人脑血液动力学和组织代谢情况的重要参数之一,可以间接反映出脑组织血管的生理情况和病变程度,可在临床诊断中作为脑血管疾病的辅助判据,并且能在一定程度上预测病变情况和病灶区域,可见OEF在医学诊断方面具有非常重要的意义。PET(Position Emission Tomography)技术作为目前检测OEF的金标准,由于测量过程中使用的放射性元素对人体有不可逆的损伤,因此可通过核磁共振成像(MRI,Magnetic Resonance Imaging)来无创测量OEF值以弥补PET技术的缺陷。然而,由于成像过程中存在不可规避的系统噪声和磁场不均匀性影响,其检测结果与PET金标准比较存在误差,因此对核磁共振图进行图像处理以提高OEF测量准确度有着重要的意义。本论文主要对核磁共振成像无创测量脑氧摄取分数的后处理方法上进行研究和改进,主要工作如下:1、核磁共振技术测量OEF的数学模型研究:首先,阐述核磁共振的基本原理和几种常见的扫描序列,并介绍一种改进的核磁共振扫描序列——自旋回波序列和梯度回波序列结合的GESSE(Gradient-Echo Sampling of Spin Echo)序列。然后介绍基于血氧水平依赖效应(BOLD,Blood oxygenation level dependent)的功能核磁共振成像(f MRI,functional magnetic resonance imaging)原理和OEF两室模型,为后续OEF的测量提供理论支持。最后详细介绍核磁共振图像的OEF后处理流程。OEF两室模型可以建立起OEF和血红蛋白磁化偏移的桥梁,GESSE序列可以捕捉到磁共振信号受磁化偏移而衰减的程度。在OEF后处理模型中,将核磁共振图像的灰度值进行数学公式量化,提取出磁共振信号受到磁化偏移影响的横向弛豫变化系数,再通过该系数与磁化偏移的关系逐步计算出OEF值。2、利用基于残差学习的前馈降噪卷积神经网络(Dn CNN)对f MRI进行降噪处理:首先,阐述了f MRI的噪声特性和去噪性能评价指标,简单介绍了高斯滤波和小波变换去噪的原理。然后介绍Dn CNN的基本原理和设计思路,并阐述残差学习和批量归一化理论的原理和优越性,以及如何将其与Dn CNN相结合使用。设计Dn CNN的结构和参数,利用设计好的网络对加入不同强度噪声的核磁共振图像进行训练,产生多组针对不同噪声强度的最优训练网络,并将加入不同强度噪声的测试图像集分别输入相应网络进行测试和输出。最后,根据图像去噪性能评价指标,对照高斯去噪和小波去噪结果,验证本文算法在图像去噪处理方面的优势。3、探究本文算法在提高OEF测量准确度方面的作用和影响:利用若干组正常受测者头部的MR原始dicom图像,输入所有训练好的卷积神经网络进行降噪输出。处理前后分别进行OEF后处理实验得到OEF值,选取OEF值最接近PET金标准的那一组作为最终输出。经过对比分析,验证了经降噪优化处理后的图像OEF测量值更加接近PET金标准,因此本文的降噪优化算法提高了OEF测量的准确性,为后续脑血管疾病的预防提供了有利帮助。