基于自適應字典的動態(tài)MR圖像部分K空間數據重建方法研究.pdf

1、磁共振成像(MagneticResonanceImaging，MRI)因具有無輻射，多平面成像，掃描參數多，提供病理信息豐富，軟組織對比分辨率高等優(yōu)點，在臨床醫(yī)學和科研中得到了廣泛的應用。而動態(tài)MRI，因可以監(jiān)視成像目標的動態(tài)過程，所以普遍應用于人體運動器官和功能成像等領域。但是受到成像機理限制，現有的動態(tài)MR成像技術的重要不足是成像時間過長，這一方面會影響成像設備的效率且會引起被成像者不適;另一方面被成像者在檢查中的輕微運動所導致的噪

2、聲和偽影也會嚴重影響成像質量。由MR的成像機理可知，成像時間與數據采集量成正比例關系，但受奈奎斯特采樣定理的約束，傳統(tǒng)MR有效重建所需的數據采樣量較大，嚴重制約MR成像速度。如何在現有的硬件條件下，提高動態(tài)MR成像速度就成為了當前研究者亟待解決的問題。
　　壓縮感知理論(CompressiveSensing，CS)是一種新的非線性信號采樣定理，能夠有效突破奈奎斯特采樣定理的束縛，可以以遠低于奈奎斯特采樣定理要求的數據量，通過利用信

3、號的稀疏先驗以很大的概率重建原始圖像，該理論為動態(tài)MR圖像重建的研究指明了一個新的方向。本文在充分研究壓縮感知基本框架的基礎上，將壓縮感知理論應用于動態(tài)MR圖像重建，提出一種能夠以較低下采樣率重建原始圖像的部分K空間重建方法，能夠有效的提高動態(tài)MR圖像的成像速度和成像效果。本文的主要研究內容和成果如下:
　　1.基于雙重稀疏字典的單幀MR圖像部分K空間數據重建。鑒于現有基于KSVD算法的自適應字典部分K空間MR圖像重建方法速度較慢

4、，難以適用于動態(tài)MR圖像重建（一次性需要重建幾十幀），論文使用雙重稀疏字典訓練算法(DoubleSparsityKSVD，DSKSVD)替代KSVD算法，在保持重建效果與基于KSVD算法相似的前提下，大幅提高單幀MR圖像的重建速度，使得自適應字典方法應用于動態(tài)MRI重建成為可能。
　　2.綜合利用動態(tài)MR圖像的時空相關性和稀疏性先驗，提出兩種動態(tài)MR圖像重建方法:1）考慮動態(tài)MRI的時空相關性，以立體圖像塊為訓練樣本，利用DSKS