基于CS的MRI并行成像算法研究

发布时间：2024-07-05 20:08

　　磁共振成像(Magnetic Resonance Imaging,MRI)是一种重要的医学成像方式,但由于扫描时间过长,因而限制了其进一步地发展和应用。并行磁共振成像技术(parallel MRI,pMRI)通过多个线圈采集的方式加速了成像过程,然而较大的加速因子会带来噪声和伪影,使得重建图像的信噪比下降。将压缩感知(Compressed Sensing,CS)应用到MRI中,能够在一定程度上提高成像的速度。研究表明,结合pMRI和CS方法能够在保证重建质量的同时减少数据采集所需的时间,进而减少了临床诊断的时间,所以这方面的研究在医学成像相关领域具有重要的意义。本文研究了pMRI方法与CS-MRI成像方法的相关重建问题,重点分析了CS方法应用于MRI中的优势和不足,并针对CS测量矩阵、CS-MRI重建模型和重建算法三个方面的不足之处提出了相应的改进方法,具体分为以下四部分:(1)重点分析了pMRI和CS-MRI重建方法的优势与不足。pMRI通过并行采集的方式加速了成像过程,但SNR会随着加速因子的增大而明显下降,而CS-MRI方法在满足重建条件时可以重建出令人满意的空间分辨率图像。本文...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 基于CS的MRI并行成像方法的研究历史与现状
    1.3 本文主要工作及章节安排
第二章 并行磁共振与压缩感知磁共振成像方法
    2.1 磁共振原理
    2.2 图像重建过程
        2.2.1 频率和相位编码
        2.2.2 重建过程
    2.3 pMRI与CS重建方法
        2.3.1 pMRI重建方法
        2.3.2 CS重建方法
    2.4 MRI重建方法分析
        2.4.1 pMRI重建方法优势与不足
        2.4.2 CS-MRI重建方法优势与不足
    2.5 本章小结
第三章 基于多通道联合的压缩感知成像方法
    3.1 基于多通道联合的压缩感知重建模型MCS-MRI
        3.1.1 MCS-MRI重建模型
        3.1.2 空间敏感度信息的估计
    3.2 基于Noiselet编码的介绍
        3.2.1 Noiselet变换函数
        3.2.2 Noiselet编码中的欠采样
    3.3 Fourier与Noiselet的RIP分析
    3.4 随机欠采样模型
        3.4.1 点分布函数与变换点分布函数
        3.4.2 K空间采样方式的非相干性测量
    3.5 实验结果及分析
        3.5.1 实验数据采集与对比方法
        3.5.2 重建实验流程
        3.5.3 脑部数据重建实验结果
    3.6 本章小结
第四章 基于稀疏先验信息的压缩感知成像方法
    4.1 基于稀疏先验信息的重建模型SCS-MRI
        4.1.1 重建模型的数学形式
        4.1.2 模型的求解方法
    4.2 迭代过程的优化改进
    4.3 实验结果与分析
        4.3.1 实验数据与对比方法
        4.3.2 重建实验流程
        4.3.3 实验结果分析
    4.4 本章小结
第五章 SCS-MRI模型在并行成像中的应用
    5.1 基于SCS-MRI模型的SENSE重建方法
        5.1.1 基于SCS-MRI的SENSE重建过程
        5.1.2 实验分析
    5.2 基于SCS-MRI模型的GRAPPA重建方法
        5.2.1 基于SCS-MRI的GRAPPA重建过程
        5.2.2 实验分析
    5.3 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献



本文编号：4001463