基于三维双字典学习的MRI稀疏重建算法研究

发布时间：2021-08-24 19:35

　　磁共振成像（MRI）由于其无创性、非侵入性、高精确度、可任意方向断层等优点得到了广泛的应用，但其突出的缺点在于成像速度较慢，因此在心脏成像、脑功能成像等应用中受限，其检测适应症也大为减少。提高MRI成像速度是目前的一个重要课题。对k空间内数据进行部分采样，是加快MRI扫描速度的一个方案。基于这样的想法，本文的主要工作就是研究MRI部分空间数据图像重建问题。基于三维双字典学习的MRI稀疏重建算法的理论基础是压缩感知理论和字典学习算法。在此基础上，我们在两个方面进行了突破创新，以提高了MRI重建精度：一是充分利用了三维图像空间的相关性，构造了空间三维字典，将扫描中图像各层之间的空间相关性作为一个重要的先验知识应用于三维MRI重建；二是通过构造双字典，将图像的精度、结构、特征等先验信息有效融合到匹配的双精度字典中，通过算法迭代过程中高精度字典对低精度字典的替换迅速提高MRI重建质量。该算法的数学构架简洁，求解过程简单，只包括两个迭代进行的步骤，在第一步中用低精度字典进行稀疏编码，第二步中用高精度字典进行三维空间的填补和修复。实际临床脑部图像和腹部图像的重建实验表明，本文提出的算法精度高，稳定... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
缩略语及符号表
第一章 绪论
    1.1 研究背景及意义
    1.2 基于压缩感知理论的三维 MRI 重建算法的研究现状
    1.3 本论文的研究内容
第二章 理论背景和预备知识
    2.1 压缩感知理论
    2.2 字典学习及稀疏编码算法
    2.3 SPARSE LAND 模型在 MRI 重建模型中的引入
    2.4 本章小结
第三章 基于三维双字典学习的 MRI 稀疏重建算法
    3.1 算法框架
    3.2 双字典的构造
    3.3 稀疏编码
    3.4 图像重建与迭代更新
    3.5 本章小结
第四章 三维 MRI 重建实验结果及比较
    4.1 实验数据及实验条件
    4.2 无噪声仿真数据重建
    4.3 有噪声仿真数据重建
    4.4 前瞻性研究
    4.5 双字典、单字典以及三维字典学习与二维字典学习的比较
    4.6 各层模板的随机性对重建效果的影响
    4.7 算法性能分析
        4.7.1 参数鲁棒性
        4.7.2 实现环境和算法运算时间
    4.8 讨论
    4.9 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文


【参考文献】：
博士论文
[1]基于增广拉格朗日的字典学习算法及其在医学成像和图像处理中的应用[D]. 刘且根.上海交通大学 2012



本文编号：3360591