论文部分内容阅读
磁共振成像(MagneticResonanceImaging，MRI)因具有无辐射，多平面成像，扫描参数多，提供病理信息丰富，软组织对比分辨率高等优点，在临床医学和科研中得到了广泛的应用。而动态MRI，因可以监视成像目标的动态过程，所以普遍应用于人体运动器官和功能成像等领域。但是受到成像机理限制，现有的动态MR成像技术的重要不足是成像时间过长，这一方面会影响成像设备的效率且会引起被成像者不适;另一方面被成像者在检查中的轻微运动所导致的噪声和伪影也会严重影响成像质量。由MR的成像机理可知，成像时间与数据采集量成正比例关系，但受奈奎斯特采样定理的约束，传统MR有效重建所需的数据采样量较大，严重制约MR成像速度。如何在现有的硬件条件下，提高动态MR成像速度就成为了当前研究者亟待解决的问题。 压缩感知理论(CompressiveSensing，CS)是一种新的非线性信号采样定理，能够有效突破奈奎斯特采样定理的束缚，可以以远低于奈奎斯特采样定理要求的数据量，通过利用信号的稀疏先验以很大的概率重建原始图像，该理论为动态MR图像重建的研究指明了一个新的方向。本文在充分研究压缩感知基本框架的基础上，将压缩感知理论应用于动态MR图像重建，提出一种能够以较低下采样率重建原始图像的部分K空间重建方法，能够有效的提高动态MR图像的成像速度和成像效果。本文的主要研究内容和成果如下: 1.基于双重稀疏字典的单帧MR图像部分K空间数据重建。鉴于现有基于KSVD算法的自适应字典部分K空间MR图像重建方法速度较慢，难以适用于动态MR图像重建（一次性需要重建几十帧），论文使用双重稀疏字典训练算法(DoubleSparsityKSVD，DSKSVD)替代KSVD算法，在保持重建效果与基于KSVD算法相似的前提下，大幅提高单帧MR图像的重建速度，使得自适应字典方法应用于动态MRI重建成为可能。 2.综合利用动态MR图像的时空相关性和稀疏性先验，提出两种动态MR图像重建方法:1）考虑动态MRI的时空相关性，以立体图像块为训练样本，利用DSKSVD算法训练产生的自适应字典直接重建动态MR图像序列;2）将动态MRI序列分解为缓变部分与稀疏的快速变化部分之和，其中缓变部分利用DSKSVD通过重建立体图像块达到利用动态MRI的时空相关性的目的。稀疏的快速变化部分，利用经典的FOCUSS算法直接重建。上述两部分交替进行，直至收敛。相关实验表明，上述方法可以较好地改善动态MR图像的重建效果。