基于壓縮感知的快速磁共振成像技術研究
發(fā)布時間:2021-05-20 22:42
人們生活質量的改善往往歸功于科技的發(fā)展,醫(yī)療健康領域也不例外。目前包括超聲(Ultrasound,US)、計算機斷層顯像(Computed Tomography,CT)、核磁共振成像(Nuclear Magnetic Resonance Imaging,NMRI)以及正電子發(fā)射型計算機斷層顯像(Positron Emission Tomography,PET)等在內的主要影像技術研究正蓬勃興起。磁共振成像是一種利用核磁共振原理進行人體顯像的技術,即通過激發(fā)人體大量存在的氫原子核(氫質子),捕捉其由激發(fā)態(tài)到基態(tài)釋放的能量信號,以此用作人體組織結構以及生理功能信息的影像呈現(xiàn)。但在實際磁共振成像過程中,其數(shù)據(jù)采集時間受限于Nyquist采樣定理,成像時間緩慢。因此,如何在確保圖像重建質量的情況下,提高成像速度是目前磁共振成像研究的熱點問題。壓縮感知(Compressed Sensing,CS)技術因其對欠采樣數(shù)據(jù)良好的重建能力已在磁共振快速成像中得到應用,即利用磁共振圖像在線性變換域內的稀疏特性,僅由非相干性采樣得到的少量成像數(shù)據(jù)即可較大概率地精確重建出原始圖像。本文針對磁共振成像數(shù)據(jù)掃描時...
【文章來源】:重慶郵電大學重慶市
【文章頁數(shù)】:69 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 引言
1.1 磁共振成像研究
1.2 國內外研究現(xiàn)狀
1.3 本文的主要工作
1.4 本文的組織結構
第2章 磁共振成像基本知識
2.1 磁共振成像原理
2.1.1 磁共振信號產生
2.1.2 磁共振空間編碼
2.2 基于傅里葉變換的磁共振重建方法
2.3 本章小結
第3章 壓縮感知算法
3.1 壓縮感知基本模型與應用條件
3.2 壓縮感知算法在快速磁共振成像中的應用
3.3 傳統(tǒng)壓縮感知重建框架存在問題
3.4 本章小結
第4章 磁共振重建的常用先驗信息
4.1 基于信號稀疏特性的先驗信息
4.1.1 稀疏程度
4.1.2 稀疏角度
4.2 基于磁共振應用場景的先驗信息
4.2.1 多對比度成像
4.2.2 多通道成像
4.3 本章小結
第5章 基于廣義級數(shù)模型的壓縮感知快速磁共振重建方法
5.1 廣義級數(shù)模型
5.2 廣義級數(shù)模型與殘差圖像稀疏
5.3 基于CS-GS模型的快速磁共振成像
5.4 本章小結
第6章 基于梯度方向約束的壓縮感知快速磁共振重建方法
6.1 梯度方向先驗
6.2 梯度方向約束的保邊性
6.3 基于梯度方向約束的單個對比度圖像重建
6.3.1 圖像重建模型
6.3.2 多對比度圖像實驗
6.4 基于梯度方向約束的多個對比度圖像聯(lián)合重建
6.4.1 圖像重建模型
6.4.2 SRI24實數(shù)數(shù)據(jù)仿真
6.4.3 In-vivo復數(shù)數(shù)據(jù)實驗
6.4.4 T2加權圖像輔助驗證
6.5 本章小結
第7章 結束語
7.1 主要工作與創(chuàng)新點
7.2 后續(xù)研究工作
參考文獻
附錄A 變密度隨機欠采樣矩陣代碼
附錄B 非線性回溯共軛梯度算法主要代碼
致謝
攻讀碩士學位期間從事的科研工作及取得的成果
本文編號:3198558
【文章來源】:重慶郵電大學重慶市
【文章頁數(shù)】:69 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 引言
1.1 磁共振成像研究
1.2 國內外研究現(xiàn)狀
1.3 本文的主要工作
1.4 本文的組織結構
第2章 磁共振成像基本知識
2.1 磁共振成像原理
2.1.1 磁共振信號產生
2.1.2 磁共振空間編碼
2.2 基于傅里葉變換的磁共振重建方法
2.3 本章小結
第3章 壓縮感知算法
3.1 壓縮感知基本模型與應用條件
3.2 壓縮感知算法在快速磁共振成像中的應用
3.3 傳統(tǒng)壓縮感知重建框架存在問題
3.4 本章小結
第4章 磁共振重建的常用先驗信息
4.1 基于信號稀疏特性的先驗信息
4.1.1 稀疏程度
4.1.2 稀疏角度
4.2 基于磁共振應用場景的先驗信息
4.2.1 多對比度成像
4.2.2 多通道成像
4.3 本章小結
第5章 基于廣義級數(shù)模型的壓縮感知快速磁共振重建方法
5.1 廣義級數(shù)模型
5.2 廣義級數(shù)模型與殘差圖像稀疏
5.3 基于CS-GS模型的快速磁共振成像
5.4 本章小結
第6章 基于梯度方向約束的壓縮感知快速磁共振重建方法
6.1 梯度方向先驗
6.2 梯度方向約束的保邊性
6.3 基于梯度方向約束的單個對比度圖像重建
6.3.1 圖像重建模型
6.3.2 多對比度圖像實驗
6.4 基于梯度方向約束的多個對比度圖像聯(lián)合重建
6.4.1 圖像重建模型
6.4.2 SRI24實數(shù)數(shù)據(jù)仿真
6.4.3 In-vivo復數(shù)數(shù)據(jù)實驗
6.4.4 T2加權圖像輔助驗證
6.5 本章小結
第7章 結束語
7.1 主要工作與創(chuàng)新點
7.2 后續(xù)研究工作
參考文獻
附錄A 變密度隨機欠采樣矩陣代碼
附錄B 非線性回溯共軛梯度算法主要代碼
致謝
攻讀碩士學位期間從事的科研工作及取得的成果
本文編號:3198558
本文鏈接:http://sikaile.net/linchuangyixuelunwen/3198558.html
最近更新
教材專著