本文關(guān)鍵詞：基于加權(quán)雙層Bregman方法以及圖結(jié)構(gòu)正則化稀疏表示的磁共振成像重建算法

  更多相關(guān)文章： 磁共振成像 壓縮感知 字典學(xué)習(xí) 雙層Bregman迭代 圖結(jié)構(gòu)正則化 稀疏表示

【摘要】：磁共振成像因其無電離輻射、非侵入和高的診斷意義,且成像清晰、精細(xì),在臨床醫(yī)學(xué)診斷上應(yīng)用甚廣。但是,MRI一直存在著數(shù)據(jù)采集時(shí)間長(zhǎng)和成像速度緩慢的問題。壓縮感知理論的提出為這一問題提供了解決方案,該理論在磁共振成像中的應(yīng)用能減少數(shù)據(jù)采集量,加快成像的速度。如今,基于壓縮感知理論的磁共振成像重建算法在不斷地發(fā)展,傳統(tǒng)的算法多使用預(yù)先固定的字典進(jìn)行重建,而重建后的圖像不太理想。一些相繼提出的字典學(xué)習(xí)方法,盡管很好地改善了傳統(tǒng)算法中存在的問題,但是其稀疏表示結(jié)果和重建質(zhì)量都有待提高。針對(duì)這些問題,本文提出一種基于加權(quán)雙層Bregman方法以及圖結(jié)構(gòu)正則化稀疏表示的磁共振成像重建算法。在這項(xiàng)工作中,利用迭代的加權(quán)1l范數(shù)來改進(jìn)雙層Bregman字典學(xué)習(xí)方法,同時(shí)融入圖結(jié)構(gòu)正則化稀疏表示。加權(quán)雙層Bregman字典學(xué)習(xí)方法在迭代的過程中,通過pl范數(shù)的優(yōu)化,能使采樣數(shù)據(jù)更稀疏;且在相同的采樣情況下,該方法從高欠采樣的數(shù)據(jù)中能完成更高質(zhì)量的重建。而融入的圖結(jié)構(gòu)正則化稀疏表示方法,利用局部數(shù)據(jù)結(jié)構(gòu)能很好的捕獲圖像細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明,所提出的算法能實(shí)現(xiàn)更高質(zhì)量的MRI重建,在峰值信噪比和高頻誤差的數(shù)值上要優(yōu)于DLMRI算法和TBMDU算法。
【關(guān)鍵詞】：磁共振成像 壓縮感知 字典學(xué)習(xí) 雙層Bregman迭代 圖結(jié)構(gòu)正則化 稀疏表示
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R445.2;TP391.41
【目錄】：

• 摘要3-4
• abstract4-7
• 第1章 緒論7-12
• 1.1 引言7-8
• 1.2 磁共振成像的發(fā)展及研究現(xiàn)狀8-10
• 1.3 論文的研究?jī)?nèi)容和結(jié)構(gòu)10-12
• 第2章 MR成像原理和壓縮感知理論的概述12-20
• 2.1 MR成像原理12-14
• 2.2 壓縮感知理論14-17
• 2.2.1 CS理論依據(jù)14-15
• 2.2.2 信號(hào)的稀疏表示15-16
• 2.2.3 信號(hào)的觀測(cè)矩陣16
• 2.2.4 信號(hào)的重建算法16-17
• 2.3 壓縮感知理論用于MRI重建17-20
• 第3章 基于字典學(xué)習(xí)的磁共振成像20-30
• 3.1 字典學(xué)習(xí)算法的類型20-24
• 3.1.1 K-VSD算法21-22
• 3.1.2 基于增廣拉格朗日的字典學(xué)習(xí)算法（AL-DL）22-24
• 3.2 基于自適應(yīng)字典學(xué)習(xí)的磁共振圖像重建算法24-30
• 3.2.1 基于字典學(xué)習(xí)的高欠采樣的MRI重建算法（DLMRI）25-26
• 3.2.2 基于雙層Bregman的MRI重建算法（TBMDU）26-30
• 第4章 基于加權(quán)雙層Bregman方法及圖結(jié)構(gòu)正則化稀疏表示的磁共振成像30-35
• 4.1 基于Bregman字典學(xué)習(xí)的稀疏表示30-31
• 4.2 加權(quán)雙層Bregman字典學(xué)習(xí)方法31
• 4.3 圖結(jié)構(gòu)正則化稀疏表示算法31-32
• 4.4 加權(quán)雙層Bregman方法以及圖結(jié)構(gòu)正則化稀疏表示的磁共振成像32-35
• 第5章 實(shí)驗(yàn)結(jié)果分析35-42
• 5.1 相關(guān)參數(shù)對(duì)成像結(jié)果的影響35-37
• 5.2 無噪聲情況下的成像37-40
• 5.3 加噪聲情況下的成像40-41
• 5.4 復(fù)數(shù)數(shù)據(jù)的重建41-42
• 第6章 總結(jié)與展望42-44
• 6.1 本文工作總結(jié)42
• 6.2 展望42-44
• 致謝44-45
• 參考文獻(xiàn)45-49
• 攻讀學(xué)位期間的研究成果49

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前7條

1 葉闖;沈益青;李豪;曹思汗;王柏祥;;基于人類視覺特性(HVS)的離散小波變換(DWT)數(shù)字水印算法[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2013年02期

2 趙玉娟;鄭寶玉;陳守寧;;壓縮感知自適應(yīng)觀測(cè)矩陣設(shè)計(jì)[J];信號(hào)處理;2012年12期

3 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報(bào);2009年05期

4 孫奎;謝宗武;劉宏;黃劍斌;;梯度投影法多性能準(zhǔn)則優(yōu)化的應(yīng)用研究[J];控制與決策;2007年12期

5 張春梅;尹忠科;肖明霞;;基于冗余字典的信號(hào)超完備表示與稀疏分解[J];科學(xué)通報(bào);2006年06期

6 李貽卓,張雪林;磁共振回波平面成像的特點(diǎn)與臨床應(yīng)用[J];中國(guó)醫(yī)學(xué)影像技術(shù);1999年08期

7 王宏;核磁共振成像技術(shù)[J];試驗(yàn)技術(shù)與試驗(yàn)機(jī);1992年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 趙地;基于壓縮感知理論的MR圖像重建[D];北京理工大學(xué);2015年

2 劉且根;基于增廣拉格朗日的字典學(xué)習(xí)算法及其在醫(yī)學(xué)成像和圖像處理中的應(yīng)用[D];上海交通大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 何小洋;廣義雙層伯格曼字典學(xué)習(xí)的非凸磁共振圖像重建算法[D];南昌大學(xué);2015年

2 王圣如;基于自適應(yīng)字典學(xué)習(xí)的磁共振快速成像[D];廣東工業(yè)大學(xué);2014年

，

本文編號(hào)：888965