低秩张量约束磁共振动态成像及网络驱动先验的迭代特征加细图像复原

发布时间：2021-11-25 05:12

　　作为数据分析与处理领域一个最基础的问题,数据的表示形式被广泛的研究。真实的数据存在着多维因素的约束,具有复杂的内部结构。由于这些数据表现出高维度的性质,向量和矩阵这类普遍使用的数据表示形式,不能很好地描述数据的全局相关性,丢失了数据中隐含的大量冗余信息。因此,高维数据的应用具有广泛的研究价值。在本文中,我们将高维图像应用于图像复原（Image restoration,IR）中,从传统的模型算法和深度学习算法两个方向探索高维信息的有效性。传统模型方面,通过优化算法,挖掘高维图像数据内在结构的先验信息,来解决动态磁共振成像（Dynamic Magnetic Resonance Imaging,dMRI）问题。深度学习方面,使用高维图像数据训练网络,将其应用于二维自然图像的恢复问题。研究成果如下:（1）低秩张量约束的动态磁共振成像:我们使用张量描述高维数据,提出一种具有张量稀疏性的低秩张量编码模型,利用高维图像的局部自相似性从中提取相似立方块后进行组合,形成低秩张量模型。引入增广拉格朗日乘子法（Augmented Lagrangian Multiplier,ALM）和交替方向乘子法（Alte... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图２．１?ＶＧＧ－１６的网络结构??１）卷积层：大脑的神经元从局部感知信息后，在更高层神经元中对信息进??，

＼??ｒ＝＼?ｃ＝ｌ?／＝１?Ｗ?）??＝?Ｓ，ｘ１Ｕ，ｘ２Ｖ，ｘ３Ｗ，??其中纥＝［＾．．，？］ｅＲ?＋，，丨，…，ｖ，，？］?ｅ?ＲＭｘｍ?和?￥?＝?［％，．．．，＾??应于Ｃ／，、Ｋ和％更小的矩阵，并以及／＇Ｉ。正交矩阵戈ｅ！Ｔｍｘ／ｌ??表示较小的核张量。对应于Ｒ、Ｋ和％的矩阵分别沿着《?－?＃、ｍ?－?Ｍ和＾?－?Ｌ设??置为零。其他方法［６２＿６４］通过强制核张量４稀疏来执行此过程。??ｆ－——／Ｉ?——??ＬＵ／?＂ＬＵｒ－ｎ??Ｍ?ｎ?Ｖ?…??Ｍ??图３．１低秩张量的ＨＯＳＶＤ??ｒａ？＾（［Ｆ１，Ｆ２，．．．，ＦＡ：］）?＜?说明，通过低秩张量逼近获得的二阶张量??ｋ??是低秩张量［６５］，并且小于每个分量的秩值之和。构造的低秩张量被视为数据稀??疏性的度量。换句话说，通过低秩张量逼近，将信号稀疏性问题推广到了?ｄＭＲＩ??低秩张量编码应用中。??１３??

?第３章低秩张量约束的磁共振动态图像重建???和２５６ｘ２５６ｘ２５的伪径向采样掩模，应用于心肌灌注数据和心脏电影数据的图像??采样工作。图３．２分别列出两种伪径向采样掩模其中的一郑??Ｉ１ＢＢ??ｌｉＢｆｌ??（ａ）?（ｂ）??图３．２?（ａ）欠采样率为８４％，尺寸为９０ｘ１９０的伪径向采样掩模；（ｂ）欠采样率为９１％，尺寸为??２５６?ｘ?２５６的伪径向采样掩模??３．４．２参数设置??具体而言，我们的方法具有２５个内部迭代和１０个外部迭代，３Ｄ图像块的??大小设置为４ｘ４ｘ４５，参数／／初始值为１（Ｔ５，其他变量设置如算法ｋ－ｔＬＲＴＣ所??示。特别地，参数被设置为连续性参数，／？?＝?＂。ＢＣＳ设置５０个内部和２５个??外部迭代，其他参数依据程序建议值未做改动；ｋ－ｔ?ＳＬＲ选择２５个内部迭代和??２５个外部迭代，惩罚参数（分别为Ｓｃｈａｔｔｅｎ和ＴＶ参数）被调整为建议值：??灼＝０２?＝?１?（Ｔ７，其他参数依据程序建议值未做改动。??３．４．３心肌灌注动态磁共振成像??第一个实验为心肌灌注ＭＲＩ，对照表３．１中不同的伪径向采样率来采集数??据，用于图像重建。??表３．１作用于心肌灌注ＭＲ丨欠采样率??Ｐｓｅｕｄｏ?Ｒａｄｉａｌ??９６％?９３％?９０％?８８％?８４％?８０％?７６％?６６％??首先选择欠采样率为８４％的重建结果作为样本进行比较。由于心肌灌注数??据包括７０帧的图像，数量过多，为了直观地分析图像重建质量，图３．３中（ａ）－（ｃ）??行分别选择左室摄取峰值、心肌摄取峰值和后对比期间（分别为第１８、３６和５４??帧）的图像展示。第１列为原始图像，２－５列分别为零填充，ＢＣＳ、ｋ


本文编号：3517472