基于硬件加速的磁共振图像重建研究

发布时间:2021-07-27 12:12
  磁共振成像(Magnetic Resonance Imaging,MRI)是一种无电离辐射的医学影像检查技术,被广泛应用于临床诊断的各个场景。近些年来,MRI领域有着诸多进展与突破。各种新的成像方法,如正对比磁共振成像、心脏电影成像等,被相续提出,进一步推动了MRI在临床医学中的应用。然而,这些先进的成像方法往往需要一些复杂的迭代重建算法来从采集信号中恢复出磁共振图像。而另一方面,并行成像等快速磁共振成像方法的广泛应用,使得多通道线圈方法采集的数据集变大。结果造成了庞大的数据集和复杂的重建算法,使得整个重建任务计算量变大,重建计算变得更加耗费时间。现代图形处理器(Graphic Processing Unit,GPU)拥有多核多线程的特性,其计算力和带宽都明显超过用于处理一般任务的中央处理器。GPU的这些特性使得其特别适合处理那些可以被表达成数据并行的计算任务。本文基于GPU的这些特性,提出了一种多层次并行化的磁共振图像重建方法,以减少图像重建所需的时间,应付临床医学中越来越迫切的能快速看到磁共振图像这一需求。该方法是基于英伟达公司(NVIDIA Corporation)提供的统一设备... 

【文章来源】:中国科学院大学(中国科学院深圳先进技术研究院)广东省

【文章页数】:55 页

【学位级别】:硕士

【部分图文】:

基于硬件加速的磁共振图像重建研究


沿主磁场B0方向以拉莫尔频率共振进动的氢质子(Hodgson,2011)119

平面图,质子,矢量,横向


基于硬件加速的磁共振图像重建研究2图1.2氢质子产生的磁化矢量在横向射频脉冲的作用下向xy平面偏转(左),并最终变为在xy平面上进动的横向磁化矢量(右)(Hodgson,2011)120。Figure1.2Themagnetisationgeneratedbythehydrogenprotonisrotatedtothexyplane(left)bytheactionofatransverseradiofrequencypulse,andeventuallybecomesatransversemagnetisationprecessingonthexyplane(right)(Hodgson,2011)120.磁共振图像重建问题可以被描述成:Axb...(1.1)其中A为MRI的编码矩阵,在上述的简单的例子中即为傅里叶变换;x为要重建出的磁共振图像;b为K空间中采集到的数据。磁共振图像重建过程即为一个求逆过程。MRI与其他医学成像方法相比,有着无电离辐射,对人体没有已知的副作用,软组织对比度高,任意方向断层成像,多参数成像等优点,在临床医学中有着广泛的应用。然而,MRI得到图像结果需要较长的扫描时间及较复杂的图像重建计算过程,限制了其在部分临床医学场景中的应用。1.1.2快速磁共振成像一般地,MRI扫描时间与采集的相位编码行数成正比(Brown等.,2014)。通过减少采集的相位编码行数,可加速图像采集,进而减少总的扫描时间。自上世纪90年代以来,MRI领域的研究者们一直尝试通过欠采样的方式来减少扫描时间,以实现快速磁共振成像。理想情况下MRI采样的K空间具有共轭对称性。若只采集K空间的一半,缺失的另一半通过共轭转置计算出来进行填充,就可以减少MRI扫描时间。利

磁共振,性能,磁共振,成像


基于硬件加速的磁共振图像重建研究4伪随机采样,并利用L1范数约束的非线性优化重建提高求解精度,可以在低于奈奎斯特采样定理要求下采集相位编码行而不产生图像混叠,且其重建出的图像信噪比不受几何因子影响。由于现有的磁共振成像都是基于傅里叶变换的,其编码矩阵不是完全随机的,而又MRI的K空间信号强度是有特定分布规律的,因此压缩感知MRI对K空间采样有着一定的要求。尽管压缩感知MRI在临床应用中能达到比并行成像更高的加速倍数(贾森,2019),但其应用往往需要考虑到能与现有的广泛使用的并行成像技术相结合(ZhangT等.,2014;Liang等.,2009)。1.1.3图形处理器快速磁共振成像技术大大缩短了MRI扫描时间,为进一步减少MRI等待的时间,使用图形处理器(GraphicProcessingUnit,GPU)加速磁共振图像重建得到广泛关注。GPU是一种用来处理图形和图像相关任务的微处理器,在现代智能手机、平板、个人电脑、工作站上被广泛使用。为应对市场上大型三维游戏等应用对计算需求的不断增加,GPU的性能在一定的功率和体积的限制下也不断的增长。如图1.3(Natoli,2016)所示,近些年来,GPU的计算力和带宽已经远超过中央处理器(CentralProcessingUnit,CPU)。图1.3近些年CPU与GPU的性能比较(Natoli,2016)。Figure1.3PerformancecomparisonofCPUandGPUinrecentyears(Natoli,2016).CPU和GPU之间的浮点数计算能力的差异之所以如此巨大,是因为GPU是专门为了计算繁重的、高度并行计算的任务,即图形渲染所设计的。GPU相较于CPU有着更多的计算单元,更少的控制单元,如图1.4所示(NVIDIA,2017)。

【参考文献】:
期刊论文
[1]基于图形处理器加速Wave-CAIPI重建的改进共轭梯度法[J]. 蔡访,丘志浪,苏适,朱燕杰,王海峰,梁栋.  集成技术. 2019(06)

博士论文
[1]快速高分辨率磁共振成像[D]. 贾森.中国科学院大学(中国科学院深圳先进技术研究院) 2019



本文编号:3305758

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3305758.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a7d11***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com