基于扩散加权图像降噪和首特征向量平滑的DTI技术提升骨骼肌结构评估精度

本研究通过扩散张量成像(DTI)结合各向异性图像平滑(AIS)和离散余弦变换惩罚最小二乘法(DPS)技术，显著提高了骨骼肌纤维结构(包括长度、羽状角和曲率)的量化准确性。文章创新性地对比了三种降噪方法在模拟肌肉模型和人体胫骨前肌(TA)中的应用效果，证实AIS+DPS组合能有效降低噪声干扰，提高纤维追踪完成度，为肌肉生物力学研究和临床评估提供了更可靠的技术方案。

　　

4.1 肌肉结构评估的技术突破

研究团队开发的新型DTI后处理方法通过双重降噪策略显著提升了骨骼肌结构参数的测量精度。在模拟实验中，采用5%方差的高斯核进行各向异性图像平滑(AIS)结合离散余弦变换惩罚最小二乘法(DPS)处理，使首特征向量(ε₁)的平均角度偏差(γ)从原始14.3°降至3.36°(SNR=24时)。这种技术组合特别改善了纤维曲率(κ)的估算，在信噪比(SNR)54条件下将误差控制在4.7%以内，远优于传统方法的63%误差。

4.2 算法性能的对比验证

研究详细比较了三种降噪技术：AIS、阈值主成分分析(TPCA)和DPS。数据显示TPCA会导致明显的过度平滑现象，使κ值系统性低估13%以上，而AIS+DPS组合在保持纤维长度(L_FT)测量精度(误差<5%)的同时，显著提高了纤维相似度(S_F)。在人体胫骨前肌实验中，该方法使92.4%的纤维束完整追踪至肌肉边界，较原始数据提高20个百分点。

4.3 肌肉生物力学的应用前景

精确的肌纤维方向数据对建立有限元模型至关重要。该研究证实经AIS+DPS处理的DTI数据能更准确反映羽状角(α)的空间分布，为肌肉应变场分析和损伤风险评估提供了可靠基础。特别是在模拟实验中，该方法将α的测量误差控制在±1.01°范围内，这对于理解肌肉收缩时的力传递机制具有重要价值。

4.4 技术局限与发展方向

当前方法在处理极高空间梯度的纤维结构时仍存在挑战。值得注意的是，研究采用的DPS平滑参数(ρ=0.015-0.027)远低于超声研究中的常用值(ρ=35)，这反映了DTI数据本身的特性。未来研究可探索学习型降噪方法如SDnDTI在肌肉DTI中的应用，或结合无迹卡尔曼滤波等先进追踪算法，以进一步提升复杂肌肉结构的解析能力。

该技术方案已成功应用于人体胫骨前肌研究，显示出良好的临床转化潜力。通过优化扫描协议(如增加扩散编码方向)与后处理算法的协同作用，有望建立更完善的骨骼肌结构功能评估体系，为运动医学和康复工程提供新的研究工具。