本文關(guān)鍵詞：用于壓縮感知磁共振成像的分割字典學(xué)習(xí)算法　出處：《波譜學(xué)雜志》2016年04期 　論文類型：期刊論文

  更多相關(guān)文章： 磁共振成像(MRI) 壓縮感知 字典學(xué)習(xí) 圖像分割

【摘要】：字典學(xué)習(xí)算法可以根據(jù)數(shù)據(jù)本身的特點(diǎn)構(gòu)建稀疏域中的基,從而使數(shù)據(jù)的表示更加稀疏.該文在傳統(tǒng)的字典學(xué)習(xí)算法基礎(chǔ)上提出了分割字典學(xué)習(xí)算法,由于部分磁共振圖像組織結(jié)構(gòu)簡(jiǎn)單、可以進(jìn)行圖像分割,因此可根據(jù)此特點(diǎn)來(lái)優(yōu)化字典中基函數(shù)的構(gòu)建,使磁共振圖像的表達(dá)更為稀疏,從而獲得更高的重建圖像質(zhì)量.該文利用模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)進(jìn)行了重建實(shí)驗(yàn),結(jié)果表明與傳統(tǒng)的字典學(xué)習(xí)算法相比,分割字典學(xué)習(xí)算法能進(jìn)一步改善重建圖像質(zhì)量.
[Abstract]:Dictionary learning algorithm can construct the basis of sparse domain according to the characteristics of data itself, so that the representation of data is more sparse. This paper proposes a segmented dictionary learning algorithm based on the traditional dictionary learning algorithm. Because some MRI images can be segmented because of their simple structure, the basis functions in the dictionary can be optimized according to this characteristic, and the expression of MRI images can be more sparse. In order to achieve better image quality, this paper uses simulated data and real data to carry out reconstruction experiments, the results show that compared with the traditional dictionary learning algorithm. Segmentation dictionary learning algorithm can further improve the quality of reconstructed images.
【作者單位】： 華東師范大學(xué)物理系上海市磁共振重點(diǎn)實(shí)驗(yàn)室;上海卡勒幅磁共振技術(shù)有限公司;
【基金】：國(guó)家高技術(shù)研究發(fā)展計(jì)劃資助項(xiàng)目(2014AA123400)
【分類號(hào)】：TP391.41
【正文快照】： 引言磁共振成像(MRI)技術(shù)是醫(yī)學(xué)影像中常用的技術(shù)之一,具有無(wú)電離輻射、軟組織對(duì)比度好、任意角度成像等優(yōu)勢(shì).限制MRI應(yīng)用的主要瓶頸之一是其掃描時(shí)間較長(zhǎng),主要原因是MRI技術(shù)需要對(duì)圖像的傅里葉變換域,即k空間進(jìn)行全采樣.在典型的二維圖像掃描中,假設(shè)每次射頻激發(fā)只采集一個(gè)回

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 劉汝軍;;物理學(xué)在現(xiàn)代醫(yī)學(xué)上的應(yīng)用[J];山東建材學(xué)院學(xué)報(bào);1990年04期

2 水力;;磁共振成像仿真平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J];軟件導(dǎo)刊;2014年06期

3 肖宿;;磁共振成像重建的新算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

4 黃鑫;陳武凡;盧振泰;馮衍秋;;一種并行磁共振成像偽影消除方法[J];電路與系統(tǒng)學(xué)報(bào);2008年01期

5 方晟;吳文川;應(yīng)葵;郭華;;基于非均勻螺旋線數(shù)據(jù)和布雷格曼迭代的快速磁共振成像方法[J];物理學(xué)報(bào);2013年04期

6 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 寧瑞鵬;李鯁穎;;磁共振成像系統(tǒng)梯度延時(shí)的補(bǔ)償方法研究[A];第十七屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

相關(guān)博士學(xué)位論文 前2條

1 彭璽;參考制導(dǎo)的快速磁共振成像和場(chǎng)不均勻性修正[D];武漢大學(xué);2012年

2 裴孟超;磁共振成像中若干圖像處理方法研究[D];華東師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前8條

1 彭善華;基于徑向軌跡稀疏采樣的快速磁共振成像方法研究[D];湖南師范大學(xué);2013年

2 鄭清彬;分裂增廣拉格朗日收縮法在基于壓縮感知的磁共振成像中的應(yīng)用研究[D];山東大學(xué);2014年

3 吳章洪;基于壓縮感知磁共振成像技術(shù)的研究[D];四川師范大學(xué);2014年

4 顏菲菲;壓縮感知框架下MRI圖像重建的序列研究[D];哈爾濱工業(yè)大學(xué);2013年

5 戴光寶;磁共振成像掃描中梯度噪聲的降噪方法研究[D];哈爾濱工業(yè)大學(xué);2010年

6 劉美潔;腦磁共振成像數(shù)據(jù)的多類模式分析[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

7 閉海妮;基于字典學(xué)習(xí)的分析稀疏磁共振圖像重建方法[D];北京交通大學(xué);2014年

8 翁卓;SENSE并行磁共振成像的偽影消除與稀疏采樣重建[D];中南民族大學(xué);2011年

，

本文編號(hào)：1364917