基于压缩感知的快速核磁成像算法研究

摘要

核磁成像即核磁共振成像，它是现代医疗影像学的一种关键成像技术，其成像过程无侵入性、无电离辐射，能够提供优质的时-空域解剖和生理结构可视化。因为以上优点，磁共振成像在临床上应用广泛，如计算机辅助诊断、视觉引导手术和病理探究等。然而，由于数据采集速度受限于诸多物理约束，如核弛豫时间和外周神经刺激等，磁共振成像过程面临时间分辨率和空间分辨率的取舍。幸运的是，经验证明核磁成像图像序列在时-空存在大量的信息冗余，这让基于压缩感知的磁共振成像机制得到成功的应用。通过探索和利用时空域纹理相关性和减少采样数据量的方式，基于压缩感知的磁共振成像提供了一条高质量快速成像途径。
　　本文研究基于压缩感知的动态磁共振成像算法（CS-DMRI）。成果如下：
　　（1）基于广义多结构全变分的混合CS-DMRI模型。当前的CS-DMRI模型大体可以分为离线模型和在线模型两种。离线CS-DMRI模型能够获得较好的重建质量，但效率差且参数设置复杂，在线模型重建速度快但质量稍差。本文原创性地提出混合CS-DMRI模型(H-DMRI)来加速具备高保真度的磁共振成像。在预测过程中，H-DMRI引入周期变密度下采样机制提高预测参考帧的可靠性，并设计了周期前后向参考预测机制来提升预测质量，这一预测方法能够更好地利用全局时域相关性。为了提高重建准确性，本文提出了一种全新的时-空域联合稀疏正则—广义多结构全变分(GMTV)，GMTV侧重于从多个角度探索时空域纹理相关性。基于GMTV，H-DMRI构建了残差和图像联合稀疏约束重建模型。这个模型使用GMTV同时约束稀疏残差的空域相关性和空间图像的时-空域结构连续。实验结果证明，所提出的H-DMRI重建质量好于当前的离线和在线CS-DMRI模型，主要表现重建细节清晰伪影少，同时其恢复效率远好于离线模型。
　　（2）基于低秩与稀疏元素分离的CS-DMRI模型。基于视频的研究和应用往往涉及到背景和前景元素分离，考虑到动态核磁影像序列也类似于视频，本文利用鲁棒主元分析框架构建了基于低秩加稀疏分离的多线圈CS-DMRI模型，来解决当前所面临的时域恢复失真问题。所提出的模型定义了背景元素强时域相关即沿时域维度表现低秩，同时约束前景元素在空-时域维度呈有限差分域的变换稀疏。实验结果证明，该模型能够提供高可靠性的核磁共振序列还原，主要表征出空域图像细节丰富且清晰，时域变化重建保真度高。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 本文研究内容和创新点

1.4 章节安排

第二章 压缩感知与核磁共振成像

2.1 压缩感知概述

2.2 核磁共振成像概述

2.3 基于压缩感知的核磁共振成像

2.4 本章小结

第三章 基于GMTV的混合CS-DMRI模型

3.1 基于压缩感知的动态核磁共振成像概论

3.2 基于广义多结构全变分正则的混合CS-DMRI

3.3 实验与分析

3.4 本章小结

第四章 基于低秩与稀疏元素分离的CS-DMRI模型

4.1 鲁棒主元分析

4.2 基于L+S的CS-DMRI模型

4.3 数值算法

4.4 实验与分析

4.5本章小结

第五章 总结与展望

5.1本文总结

5.2研究展望

致谢

参考文献