壓縮感知在核磁共振成像中的應(yīng)用研究.pdf

1、相比其他傳統(tǒng)醫(yī)學(xué)成像設(shè)備，核磁共振成像（MRI）是一種具有無創(chuàng)性、非侵入、可任意方向斷層成像等優(yōu)點的檢測診斷設(shè)備，但是隨著 MRI設(shè)備的廣泛使用，其缺點也逐步顯現(xiàn)出來，主要體現(xiàn)在成像速度較慢、費用昂貴等，成為制約其在心臟成像和腦功能成像的主要因素。所以研究如何加速MRI成像成為一個重要的研究課題。
　　分析了通過增加接受線圈數(shù)量、提高激勵頻率和并行處理等方法的限制，考慮到人體承受能力和設(shè)備體積等因素，在現(xiàn)有的物理條件下硬件方面已經(jīng)

2、處于極限，所以選擇另一種方法成為必要。壓縮感知理論CS（Compressed Sensing）一經(jīng)提出便引起研究者們的關(guān)注，該方法對 K空間數(shù)據(jù)進行部分采樣，用少量數(shù)據(jù)進行MRI圖像重建，這樣可以減少采樣時間和采樣成本，降低前段開銷，是提高MRI成像速度的一個可行性方案。
　　研究和分析了貪婪算法(MP、OMP、StOMP)、基追蹤算法(BP)、Bregman迭代算法等壓縮感知重建算法。提出 Restaring-Bregman算法

3、，該算法將 FISTA算法中的修正因子引入 Bregman算法的每一步迭代計算當中，并采用Restarting方法，當某一輪迭代進行到一定區(qū)域，成像質(zhì)量不在顯著變化時，為了減少不必要的迭代，跳出本輪循環(huán)，重新設(shè)置修正因子的值。經(jīng)過MATLAB仿真實驗表明，本文提出的算法重建收斂速度提高30％左右，PSNR沒有顯著變化。
　　分析了壓縮感知對信號進行稀疏表示時的結(jié)構(gòu)，研究表明冗余字典具有比固定字典更好的稀疏表示能力，對比了學(xué)習字典、

4、分析字典、級聯(lián)字典等幾種字典結(jié)構(gòu)及應(yīng)用范圍。詳細分析了冗余字典構(gòu)造中的奇異值分解(K-SVD)、最優(yōu)梯度下降(MOD)、增廣拉格朗日(AL)字典學(xué)習算法，提出一種基于增廣拉格朗日學(xué)習算法的級聯(lián)字典，由主特征字典和基于增廣拉格朗日學(xué)習的字典構(gòu)成。主特征字典主要表示大的特征信息，而增廣拉格朗日學(xué)習字典表示圖像的細節(jié)信息，充分利用了增廣拉格朗日字典學(xué)習算法的迭代加細特征。通過 MATLAB仿真實驗，分別對腦圖和腦血管圖兩幅核磁圖片進行隨機采樣