基于l_p范数的压缩感知和深度学习磁共振图像重建研究

发布时间:2020-12-28 13:11
  如今,磁共振成像(Magnetic Resonance Imaging,MRI)是一种不可缺少的临床诊断工具。它没有电离辐射,可以提供良好的软组织对比度和多方位成像。然而它的发展受限于其较慢的成像速度。为了克服这一难题,压缩感知(Compressed Sensing,CS)被应用于MRI中。它能够从欠采样的k空间数据中重建出质量较好的图像,并且缩短成像时间。压缩感知磁共振成像(CS-MRI)主要包含三个方面的内容,分别为稀疏表示、采样方法和图像的重建算法。CS利用了图像在某些变换域中的稀疏性,将稀疏表示作为先验信息来恢复图像。传统的CS-MRI模型中利用全变分(Total Variation,TV)来增强稀疏性,但是基于l1范数的传统TV不是促进稀疏性的最好方法,不能提供足够稀疏的表示。因此本文针对传统TV的不足提出了两个新的正则项,并且将它们引入到重建模型中。由于lp(0<p<1)范数比l1范数能够更好地促进稀疏,于是我们提出了两种基于lp范数的扩展TV的算法:各向异性和各向同性的TpV(totalp-variation)。然后将它们引入到MRI重建模型中,应用Bregm... 

【文章来源】:中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】:74 页

【学位级别】:硕士

【部分图文】:

基于l_p范数的压缩感知和深度学习磁共振图像重建研究


图2.1原子核自旋示意图??|P|?=?Ay7(7TT),?(2.2)??

示意图,原子核,进动,静磁场


?第2章磁共振图像重建的基本原理???的分量彼此抵消;当有外部静磁场作用时,原子核还将增加围绕静磁场场)??方向的轴的旋转。原子核进动现象指的就是原子核自旋的同时绕找)轴旋转,如??图2.2所示。??▲??进动轨道?B(D??,一一???、、??V、一-—一-/??、、、、、'、、、声-??图2.2原子核进动现象示意图l4fil??在原子核的进动中,如果将外加磁场强度设置为风>,并且将原子核进动的??角频率设为吨,则可以通过拉莫方程计算得出〇;〇:??〇;〇?=?7-B〇.?(2.3)??令M为原子核的净磁化矢量,原子核在平衡状态下每个方向上的磁化矢量??互相抵消,此时的净磁化矢量M?=?0。仅在静磁场的作用下,低能级进动方??向上的大多数质子的指向与静磁场的正方向保持一致;在高能级进动方向上,??少量质子的指向与静磁场的反方向保持一致,因此原子核从宏观上显示出有??一个静磁化矢量M〇,并且方向与静磁场的方向一致,如图2.3。当施加另一??个射频脉冲来激励磁场,且该脉冲是与静磁场岛)垂直的,这时低能级的质子会??吸收能量后发生能级跃迁,M可以被分解为纵向和横向的磁化矢量与M@,??前者是沿y-2平面的,后者是沿:r-y平面的,如图2.4所示。??Z?“??静磁场B。?M〇??X??图2.3单独静磁场作用示意图??8??

示意图,静磁场,示意图,原子核


?第2章磁共振图像重建的基本原理???的分量彼此抵消;当有外部静磁场作用时,原子核还将增加围绕静磁场场)??方向的轴的旋转。原子核进动现象指的就是原子核自旋的同时绕找)轴旋转,如??图2.2所示。??▲??进动轨道?B(D??,一一???、、??V、一-—一-/??、、、、、'、、、声-??图2.2原子核进动现象示意图l4fil??在原子核的进动中,如果将外加磁场强度设置为风>,并且将原子核进动的??角频率设为吨,则可以通过拉莫方程计算得出〇;〇:??〇;〇?=?7-B〇.?(2.3)??令M为原子核的净磁化矢量,原子核在平衡状态下每个方向上的磁化矢量??互相抵消,此时的净磁化矢量M?=?0。仅在静磁场的作用下,低能级进动方??向上的大多数质子的指向与静磁场的正方向保持一致;在高能级进动方向上,??少量质子的指向与静磁场的反方向保持一致,因此原子核从宏观上显示出有??一个静磁化矢量M〇,并且方向与静磁场的方向一致,如图2.3。当施加另一??个射频脉冲来激励磁场,且该脉冲是与静磁场岛)垂直的,这时低能级的质子会??吸收能量后发生能级跃迁,M可以被分解为纵向和横向的磁化矢量与M@,??前者是沿y-2平面的,后者是沿:r-y平面的,如图2.4所示。??Z?“??静磁场B。?M〇??X??图2.3单独静磁场作用示意图??8??


本文编号:2943810

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/2943810.html


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

版权申明:资料由用户4d18d***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