一种基于全变分正则化低秩稀疏分解的动态MRI重建方法

发布时间：2017-10-06 03:26

  本文关键词：一种基于全变分正则化低秩稀疏分解的动态MRI重建方法

  更多相关文章： 压缩感知(CS) 低秩矩阵恢复 稀疏表示 动态磁共振成像(MRI)

【摘要】：针对应用迭代软阈值(IST)算法对基于低秩稀疏矩阵(L+S,low rank and sparse)分解模型的动态磁共振成像(MRI)图像进行重建存在重建精度一般和重建速度慢的问题,提出在矩阵L+S分解模型的基础上引入全变分(TV)正则项,达到进一步去噪声和去伪影,提高重建精度目的;利用非精确增广拉格朗日算法(IALM)达到快速重建的目的。通过对心脏灌注动态MRI成像和心电影MRI成像的仿真实验表明:对于L+S低秩稀疏矩阵分解模型的重建,IALM比IST算法速度更快,精度更高;模型引入TV正则项后再利用IALM重建,重建速度虽然比之前的IALM有所降低,但依然优于IST算法,并且重建精度高于之前的IALM。在L+S分解模型中引入TV正则项提高了MRI重建精度,运用IALM进行求解加快了重建速度,结合TV正则项和IALM达到了快速、高精度重建的目的。
【作者单位】： 河北工业大学电子信息工程学院天津市电子材料与器件重点实验室;
【关键词】： 压缩感知(CS) 低秩矩阵恢复 稀疏表示 动态磁共振成像(MRI)
【基金】：国家自然科学基金(61203245) 河北省自然科学基金(F2012202027)资助项目
【分类号】：TP391.41
【正文快照】： 1引言压缩感知(CS)理论运用到磁共振成像(MRI)中,具有成像速度快、精确度高的特点[1,2]。CS理论表明,如果图像在某个域是稀疏的,则可以由小于奈奎斯特采样速率的少量样本无损失的重建[3,4]。文献[1]指出,应用CS理论精确的重建图像,必须满足图像是稀疏的、测量矩阵和稀疏矩阵是

【共引文献】

中国期刊全文数据库 前1条

1 WU WanQing;ZHANG HuanGuo;WANG HouZhen;MAO ShaoWu;JIA JianWei;LIU JinHui;;A public key cryptosystem based on data complexity under quantum environment[J];Science China(Information Sciences);2015年11期

【相似文献】

中国期刊全文数据库 前4条

1 曾凯,陈志强,张丽,赵自然;圆轨道锥束重建精度与锥角关系的研究[J];CT理论与应用研究;2003年03期

2 缪丽娜,潘晋孝,韩焱;探测器和投影数目对CT重建精度的影响[J];测试技术学报;2002年04期

3 陈忠;梁嘉辉;张宪民;;板状构件X射线层析截面重建方法与实验[J];CT理论与应用研究;2014年04期

4 ;[J];;年期

，

本文编号：980442