本文關(guān)鍵詞：壓縮感知框架下MRI圖像重建的序列研究，由筆耕文化傳播整理發(fā)布。

【摘要】：壓縮感知是一種全新的信號(hào)處理，編解碼理論。該理論不同于傳統(tǒng)的奈奎斯特采樣定理。它從信號(hào)稀疏性，即可壓縮性出發(fā)，試圖利用較少量的信號(hào)投影完成對(duì)信號(hào)的準(zhǔn)確或近似重建。由于它的發(fā)現(xiàn)，雷達(dá)成像，天文學(xué)觀測(cè)，信道編碼，軍事偵察等高科技領(lǐng)域有了進(jìn)一步的發(fā)展，尤其是為醫(yī)學(xué)成像開(kāi)辟了新的思路。目前，MRI（Magnetic Resonance Imaging）已經(jīng)成為現(xiàn)代醫(yī)學(xué)影像科技中極為重要，非常先進(jìn)且又昂貴的檢查診斷設(shè)備，但是，MRI也存在明顯的缺陷，那就是圖像采集的時(shí)間非常長(zhǎng)。因此，縮短成像時(shí)間一直以來(lái)都是磁共振成像技術(shù)發(fā)展的重要目標(biāo)之一。 本文深入研究和分析了CS（Compressed Sensing）基本理論框架的三個(gè)關(guān)鍵問(wèn)題，稀疏性（Sparsity）、不一致性（Incoherency）以及基于稀疏性考慮而提出的重建優(yōu)化算法。并且結(jié)合磁共振成像的原理，K空間特性，序列的相關(guān)知識(shí)，深入研究了之所以CS可以成功的用于MRI的本質(zhì)條件：除了圖像本身滿足了變換域的稀疏性，還有降采樣偽影的不相關(guān)性，以及重建算法的非線性性。同時(shí)，通過(guò)研究壓縮感知的匹配追蹤算法，梯度投影算法，以及最小全變分的重建算法，進(jìn)行仿真實(shí)驗(yàn)，在相當(dāng)短的時(shí)間內(nèi)實(shí)現(xiàn)對(duì)原始圖像的精確重構(gòu)，充分證實(shí)了CS-MRI的可行性和高效性，此外，，通過(guò)設(shè)置不同采樣率下的圖像效果對(duì)比，可以得出在0.4以上的采樣率上各種算法都能保證相當(dāng)好的重建效果，最小全變分算法由于在二維圖像上的適用性在重建效果和信噪比上都具有最好的性能。值得一提的是，MRI應(yīng)用中有非常多的序列選擇，在CS-MRI的研究中，序列的選擇對(duì)于稀疏性有著非常重要的作用，因此本文通過(guò)在FSE，F(xiàn)ast GRE，EPI三種序列掃描得到的圖像進(jìn)行仿真實(shí)驗(yàn)，性能對(duì)比，可以看出FSE類型的序列對(duì)于CS有更好的適用性，這與FSE序列對(duì)于重建圖像的稀疏性貢獻(xiàn)有著重要的聯(lián)系，這也為序列工程師開(kāi)辟了一個(gè)明確的思路：針對(duì)序列中能夠?qū)ο∈栊云鹱饔玫膮?shù)進(jìn)行優(yōu)化和設(shè)計(jì)。因此，利用更適用CS的序列和高效的優(yōu)化算法去應(yīng)用CS-MRI能起到事半功倍的作用，可以達(dá)到快速重建圖像的目的，從而縮短對(duì)核磁設(shè)備對(duì)病人的掃描時(shí)間，降低病人在掃描時(shí)所承受的風(fēng)險(xiǎn)。
【關(guān)鍵詞】：壓縮感知 磁共振成像 重建 序列
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：R318.6;TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-16
• 1.1 課題背景及研究的目的和意義7-11
• 1.1.1 課題背景7-9
• 1.1.2 研究的目的和意義9-11
• 1.2 壓縮感知理論及其相關(guān)理論的發(fā)展概況11-13
• 1.2.1 CS 理論基礎(chǔ)11-12
• 1.2.2 CS 應(yīng)用發(fā)展概況12-13
• 1.2.3 CS 在醫(yī)學(xué)成像領(lǐng)域的應(yīng)用現(xiàn)狀及前景13
• 1.3 本文主要研究?jī)?nèi)容13-16
• 1.3.1 主要研究?jī)?nèi)容13-14
• 1.3.2 問(wèn)題及解決方案14-15
• 1.3.3 本文的主要工作及結(jié)構(gòu)安排15-16
• 第2章 磁共振成像原理16-25
• 2.1 引言16
• 2.2 質(zhì)子的自旋16-18
• 2.3 共振原理和成像原理18-19
• 2.3.1 共振原理18
• 2.3.2 成像原理18-19
• 2.4 二維傅里葉變換和K空間19-21
• 2.5 MRI 設(shè)備及常規(guī)序列21-24
• 2.5.1 MRI 設(shè)備主要部分21-22
• 2.5.2 常規(guī)序列22-24
• 2.6 本章小結(jié)24-25
• 第3章 CS-MRI 圖像重建方法25-33
• 3.1 引言25
• 3.2 CS-MRI 理論25-27
• 3.2.1 CS-MRI 原理26
• 3.2.2 CS-MRI 關(guān)鍵技術(shù)26-27
• 3.3 基于 CS 理論的圖像重建27-31
• 3.3.1 基于 CS 理論的一維圖像重建27-28
• 3.3.2 基于 CS 理論的二維圖像重建28-31
• 3.4 本章小結(jié)31-33
• 第4章 圖像重建算法分析與研究33-47
• 4.1 引言33
• 4.2 本文研究方法33-46
• 4.2.1 正交匹配追蹤算法33-35
• 4.2.2 算法性能分析35-38
• 4.2.3 梯度投影算法38-40
• 4.2.4 算法性能分析40-42
• 4.2.5 最小全變分算法42-43
• 4.2.6 算法性能分析43-46
• 4.3 本章小結(jié)46-47
• 結(jié)論47-49
• 參考文獻(xiàn)49-54
• 致謝54

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 方紅;章權(quán)兵;韋穗;;基于亞高斯隨機(jī)投影的圖像重建方法[J];計(jì)算機(jī)研究與發(fā)展;2008年08期

2 傅迎華;;可壓縮傳感重構(gòu)算法與近似QR分解[J];計(jì)算機(jī)應(yīng)用;2008年09期

3 宋琳;曹吉海;;基于隨機(jī)濾波的雷達(dá)信號(hào)采樣和目標(biāo)重建方法[J];科技導(dǎo)報(bào);2008年13期

  本文關(guān)鍵詞：壓縮感知框架下MRI圖像重建的序列研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：396468