用于压缩感知磁共振成像的分割字典学习算法

发布时间：2018-01-01 14:30

  本文关键词：用于压缩感知磁共振成像的分割字典学习算法　出处：《波谱学杂志》2016年04期 　论文类型：期刊论文

  更多相关文章： 磁共振成像(MRI) 压缩感知 字典学习 图像分割

【摘要】：字典学习算法可以根据数据本身的特点构建稀疏域中的基,从而使数据的表示更加稀疏.该文在传统的字典学习算法基础上提出了分割字典学习算法,由于部分磁共振图像组织结构简单、可以进行图像分割,因此可根据此特点来优化字典中基函数的构建,使磁共振图像的表达更为稀疏,从而获得更高的重建图像质量.该文利用模拟数据和真实数据进行了重建实验,结果表明与传统的字典学习算法相比,分割字典学习算法能进一步改善重建图像质量.
[Abstract]:Dictionary learning algorithm can construct the basis of sparse domain according to the characteristics of data itself, so that the representation of data is more sparse. This paper proposes a segmented dictionary learning algorithm based on the traditional dictionary learning algorithm. Because some MRI images can be segmented because of their simple structure, the basis functions in the dictionary can be optimized according to this characteristic, and the expression of MRI images can be more sparse. In order to achieve better image quality, this paper uses simulated data and real data to carry out reconstruction experiments, the results show that compared with the traditional dictionary learning algorithm. Segmentation dictionary learning algorithm can further improve the quality of reconstructed images.
【作者单位】： 华东师范大学物理系上海市磁共振重点实验室;上海卡勒幅磁共振技术有限公司;
【基金】：国家高技术研究发展计划资助项目(2014AA123400)
【分类号】：TP391.41
【正文快照】： 引言磁共振成像(MRI)技术是医学影像中常用的技术之一,具有无电离辐射、软组织对比度好、任意角度成像等优势.限制MRI应用的主要瓶颈之一是其扫描时间较长,主要原因是MRI技术需要对图像的傅里叶变换域,即k空间进行全采样.在典型的二维图像扫描中,假设每次射频激发只采集一个回

【相似文献】

相关期刊论文 前6条

1 刘汝军;;物理学在现代医学上的应用[J];山东建材学院学报;1990年04期

2 水力;;磁共振成像仿真平台设计与实现[J];软件导刊;2014年06期

3 肖宿;;磁共振成像重建的新算法[J];计算机工程与设计;2012年05期

4 黄鑫;陈武凡;卢振泰;冯衍秋;;一种并行磁共振成像伪影消除方法[J];电路与系统学报;2008年01期

5 方晟;吴文川;应葵;郭华;;基于非均匀螺旋线数据和布雷格曼迭代的快速磁共振成像方法[J];物理学报;2013年04期

6 ;[J];;年期

相关会议论文 前1条

1 宁瑞鹏;李鲠颖;;磁共振成像系统梯度延时的补偿方法研究[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

相关博士学位论文 前2条

1 彭玺;参考制导的快速磁共振成像和场不均匀性修正[D];武汉大学;2012年

2 裴孟超;磁共振成像中若干图像处理方法研究[D];华东师范大学;2014年

相关硕士学位论文 前8条

1 彭善华;基于径向轨迹稀疏采样的快速磁共振成像方法研究[D];湖南师范大学;2013年

2 郑清彬;分裂增广拉格朗日收缩法在基于压缩感知的磁共振成像中的应用研究[D];山东大学;2014年

3 吴章洪;基于压缩感知磁共振成像技术的研究[D];四川师范大学;2014年

4 颜菲菲;压缩感知框架下MRI图像重建的序列研究[D];哈尔滨工业大学;2013年

5 戴光宝;磁共振成像扫描中梯度噪声的降噪方法研究[D];哈尔滨工业大学;2010年

6 刘美洁;脑磁共振成像数据的多类模式分析[D];国防科学技术大学;2011年

7 闭海妮;基于字典学习的分析稀疏磁共振图像重建方法[D];北京交通大学;2014年

8 翁卓;SENSE并行磁共振成像的伪影消除与稀疏采样重建[D];中南民族大学;2011年

，

本文编号：1364917