基于三維雙字典學(xué)習(xí)的MRI稀疏重建算法研究
發(fā)布時(shí)間:2021-08-24 19:35
磁共振成像(MRI)由于其無(wú)創(chuàng)性、非侵入性、高精確度、可任意方向斷層等優(yōu)點(diǎn)得到了廣泛的應(yīng)用,但其突出的缺點(diǎn)在于成像速度較慢,因此在心臟成像、腦功能成像等應(yīng)用中受限,其檢測(cè)適應(yīng)癥也大為減少。提高M(jìn)RI成像速度是目前的一個(gè)重要課題。對(duì)k空間內(nèi)數(shù)據(jù)進(jìn)行部分采樣,是加快MRI掃描速度的一個(gè)方案;谶@樣的想法,本文的主要工作就是研究MRI部分空間數(shù)據(jù)圖像重建問(wèn)題;谌S雙字典學(xué)習(xí)的MRI稀疏重建算法的理論基礎(chǔ)是壓縮感知理論和字典學(xué)習(xí)算法。在此基礎(chǔ)上,我們?cè)趦蓚(gè)方面進(jìn)行了突破創(chuàng)新,以提高了MRI重建精度:一是充分利用了三維圖像空間的相關(guān)性,構(gòu)造了空間三維字典,將掃描中圖像各層之間的空間相關(guān)性作為一個(gè)重要的先驗(yàn)知識(shí)應(yīng)用于三維MRI重建;二是通過(guò)構(gòu)造雙字典,將圖像的精度、結(jié)構(gòu)、特征等先驗(yàn)信息有效融合到匹配的雙精度字典中,通過(guò)算法迭代過(guò)程中高精度字典對(duì)低精度字典的替換迅速提高M(jìn)RI重建質(zhì)量。該算法的數(shù)學(xué)構(gòu)架簡(jiǎn)潔,求解過(guò)程簡(jiǎn)單,只包括兩個(gè)迭代進(jìn)行的步驟,在第一步中用低精度字典進(jìn)行稀疏編碼,第二步中用高精度字典進(jìn)行三維空間的填補(bǔ)和修復(fù)。實(shí)際臨床腦部圖像和腹部圖像的重建實(shí)驗(yàn)表明,本文提出的算法精度高,穩(wěn)定...
【文章來(lái)源】:上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:76 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
縮略語(yǔ)及符號(hào)表
第一章 緒論
1.1 研究背景及意義
1.2 基于壓縮感知理論的三維 MRI 重建算法的研究現(xiàn)狀
1.3 本論文的研究?jī)?nèi)容
第二章 理論背景和預(yù)備知識(shí)
2.1 壓縮感知理論
2.2 字典學(xué)習(xí)及稀疏編碼算法
2.3 SPARSE LAND 模型在 MRI 重建模型中的引入
2.4 本章小結(jié)
第三章 基于三維雙字典學(xué)習(xí)的 MRI 稀疏重建算法
3.1 算法框架
3.2 雙字典的構(gòu)造
3.3 稀疏編碼
3.4 圖像重建與迭代更新
3.5 本章小結(jié)
第四章 三維 MRI 重建實(shí)驗(yàn)結(jié)果及比較
4.1 實(shí)驗(yàn)數(shù)據(jù)及實(shí)驗(yàn)條件
4.2 無(wú)噪聲仿真數(shù)據(jù)重建
4.3 有噪聲仿真數(shù)據(jù)重建
4.4 前瞻性研究
4.5 雙字典、單字典以及三維字典學(xué)習(xí)與二維字典學(xué)習(xí)的比較
4.6 各層模板的隨機(jī)性對(duì)重建效果的影響
4.7 算法性能分析
4.7.1 參數(shù)魯棒性
4.7.2 實(shí)現(xiàn)環(huán)境和算法運(yùn)算時(shí)間
4.8 討論
4.9 本章小結(jié)
第五章 總結(jié)與展望
5.1 工作總結(jié)
5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文
【參考文獻(xiàn)】:
博士論文
[1]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]. 劉且根.上海交通大學(xué) 2012
本文編號(hào):3360591
【文章來(lái)源】:上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:76 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
縮略語(yǔ)及符號(hào)表
第一章 緒論
1.1 研究背景及意義
1.2 基于壓縮感知理論的三維 MRI 重建算法的研究現(xiàn)狀
1.3 本論文的研究?jī)?nèi)容
第二章 理論背景和預(yù)備知識(shí)
2.1 壓縮感知理論
2.2 字典學(xué)習(xí)及稀疏編碼算法
2.3 SPARSE LAND 模型在 MRI 重建模型中的引入
2.4 本章小結(jié)
第三章 基于三維雙字典學(xué)習(xí)的 MRI 稀疏重建算法
3.1 算法框架
3.2 雙字典的構(gòu)造
3.3 稀疏編碼
3.4 圖像重建與迭代更新
3.5 本章小結(jié)
第四章 三維 MRI 重建實(shí)驗(yàn)結(jié)果及比較
4.1 實(shí)驗(yàn)數(shù)據(jù)及實(shí)驗(yàn)條件
4.2 無(wú)噪聲仿真數(shù)據(jù)重建
4.3 有噪聲仿真數(shù)據(jù)重建
4.4 前瞻性研究
4.5 雙字典、單字典以及三維字典學(xué)習(xí)與二維字典學(xué)習(xí)的比較
4.6 各層模板的隨機(jī)性對(duì)重建效果的影響
4.7 算法性能分析
4.7.1 參數(shù)魯棒性
4.7.2 實(shí)現(xiàn)環(huán)境和算法運(yùn)算時(shí)間
4.8 討論
4.9 本章小結(jié)
第五章 總結(jié)與展望
5.1 工作總結(jié)
5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文
【參考文獻(xiàn)】:
博士論文
[1]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]. 劉且根.上海交通大學(xué) 2012
本文編號(hào):3360591
本文鏈接:http://sikaile.net/yixuelunwen/swyx/3360591.html
最近更新
教材專著