论文部分内容阅读
磁共振成像(Magnetic Resonance Imaging,MRI)是一种重要的医学成像方式,但由于扫描时间过长,因而限制了其进一步地发展和应用。并行磁共振成像技术(parallel MRI,pMRI)通过多个线圈采集的方式加速了成像过程,然而较大的加速因子会带来噪声和伪影,使得重建图像的信噪比下降。将压缩感知(Compressed Sensing,CS)应用到MRI中,能够在一定程度上提高成像的速度。研究表明,结合pMRI和CS方法能够在保证重建质量的同时减少数据采集所需的时间,进而减少了临床诊断的时间,所以这方面的研究在医学成像相关领域具有重要的意义。本文研究了pMRI方法与CS-MRI成像方法的相关重建问题,重点分析了CS方法应用于MRI中的优势和不足,并针对CS测量矩阵、CS-MRI重建模型和重建算法三个方面的不足之处提出了相应的改进方法,具体分为以下四部分:(1)重点分析了pMRI和CS-MRI重建方法的优势与不足。pMRI通过并行采集的方式加速了成像过程,但SNR会随着加速因子的增大而明显下降,而CS-MRI方法在满足重建条件时可以重建出令人满意的空间分辨率图像。本文针对重建条件中的非相干性测量、重建模型和重建算法三个方面进行了具体分析。(2)多通道压缩感知磁共振成像(MCS-MRI)模型的改进。Fourier作为测量矩阵与小波变换作为稀疏矩阵之间的非相干性不是最佳的,基于此,本文在MCS-MRI模型中引入满足贝努利分布的±1矩阵(Noiselet),以Noiselet作为新的测量矩阵,并证实了它与稀疏变换矩阵之间具有很好的非相干性,更满足CS成像条件,通过实验证实改进算法提高了重建图像的质量。(3)利用稀疏先验信息改进的重建模型SCS-MRI。传统的模型中没有利用MRI图像在稀疏域中的先验信息,针对MRI图像的特点,在CS-MRI模型中引入基于MRI图像稀疏域先验信息的稀疏结构项,并使用快速迭代收缩阈值算法FISTA来求解整个模型。针对求解过程中目标函数值不是严格下降这一问题,进一步提出一种约束的FISTA算法来优化重建过程。最后通过实验证实了该模型比传统CS-MRI模型更为稳定,在同等采样比率下减少了重建图像的误差。(4)将改进的模型SCS-MRI分别与常见pMRI方法SENSE和GRAPPA的结合。并针对具体方法设计合适的采样掩膜和重建流程,通过实验结果对比分析和定量计算,表明改进的模型能够提高pMRI方法的重建质量,具有较好的应用性。