基于差分域圖像自適應(yīng)稀疏表示的壓縮感知MRI重建方法.pdf

1、磁共振成像(MRI)技術(shù)能夠無(wú)損傷的獲取活體器官和組織的詳細(xì)圖像特征，避免了不必要的手術(shù)痛苦以及探查性手術(shù)所帶來(lái)的副損失，在臨床醫(yī)學(xué)及科研中得到廣泛應(yīng)用。然而，成像速度慢一直是制約MRI進(jìn)一步廣泛應(yīng)用的關(guān)鍵因素，而近年來(lái)興起的壓縮感知理論(CS)為通過(guò)減少數(shù)據(jù)采集量，以加速M(fèi)RI成像速度提供了理論保障。基于CS理論由部分K空間觀測(cè)數(shù)據(jù)有效重建MRI圖像的方法(CSMRI)，由于僅需要通過(guò)軟件算法的方式即可在基本不損失成像質(zhì)量的前提下有效

2、加快MRI的成像速度，因而近年來(lái)成為學(xué)術(shù)界的一個(gè)研究熱點(diǎn)。
　　當(dāng)前各類(lèi)CSMRI方法，一般均是利用圖像在特定變換域中的稀疏性，由部分K空間數(shù)據(jù)直接重建MRI圖像。而CS相關(guān)理論指出，CSMRI的重建性能與圖像的稀疏度相關(guān)，圖像越稀疏則相同觀測(cè)數(shù)據(jù)的情況下重建性能越好。差分圖像是圖像的高頻子空間信號(hào)，相比原始圖像更稀疏，因而應(yīng)能被更優(yōu)的重建。而差分圖像本身又包含著圖像中對(duì)視覺(jué)質(zhì)量極其關(guān)鍵的邊緣等結(jié)構(gòu)信息，若能有效重建差分圖像，并以

3、其為約束再重建MRI圖像則可效提高CSMRI的重建質(zhì)量。為此，本文通過(guò)將差分圖像分析與CSMRI重建方法有機(jī)結(jié)合，提出基于差分域圖像自適應(yīng)稀疏表示的壓縮感知MRI重建方法。論文的主要研究成果與創(chuàng)新如下:
　　1.提出一種基于圖像塊方向小波的差分域CS-MRI重建方法(Grad-PBDW)
　　差分圖像相比原始圖像具有更稀疏的特性，其主要內(nèi)容是圖像的邊緣等結(jié)構(gòu)信息，有效利用邊緣方向則可以提高重建性能。為此，論文首先由觀測(cè)到的部

4、分K空間數(shù)據(jù)獲得差分圖像對(duì)應(yīng)的部分K空間數(shù)據(jù)，并利用基于圖像塊的方向小波CSMRI重建方法(PBDW)重建MRI差分圖像，最后以重建所得的差分圖像為約束重建最終的MRI圖像。同時(shí)，為了盡可能保持圖像細(xì)節(jié)信息的同時(shí)消除混疊偽影，論文將全變分(TV)稀疏約束與方向小波稀疏約束相結(jié)合。仿真與實(shí)際實(shí)驗(yàn)表明，論文所提的方法相比經(jīng)典的CSMRI方法重建性能有較大幅度提高，相比基于PBDW直接重建MRI圖像的方法性能也有很大的改善。
　　2.提

5、出一種基于非參數(shù)貝葉斯自適應(yīng)字典學(xué)習(xí)的差分域CS-MRI重建方法(Grad-BDL)
　　通過(guò)交替優(yōu)化的方法一般可以將CSMRI重建問(wèn)題轉(zhuǎn)化為迭代去噪問(wèn)題，然而每次迭代的噪聲方差未知。另外，在利用圖像塊自適應(yīng)字典稀疏先驗(yàn)時(shí)，每個(gè)圖像塊的稀疏度以及合適的字典規(guī)模等參數(shù)都是未知的。為此，本文將非參數(shù)貝葉斯自適應(yīng)字典方法引入，以解決針對(duì)差分圖像重建時(shí)上述模型參數(shù)需要設(shè)定的問(wèn)題。在重建差分圖像后，采用與Grad-PBDW類(lèi)似的方式可重建獲

6、得最終的MRI圖像。數(shù)值仿真與實(shí)際實(shí)驗(yàn)表明所提Grad-BDL方法相比經(jīng)典的CSMRI方法重建性能有較大幅度提高，相比基于BDL直接重建MRI圖像的方法性能也有一定的改善。
　　3.提出一種基于高低頻協(xié)同濾波的CS-MRI重建方法(CoF)
　　差分圖像表示的是原始圖像的邊緣等結(jié)構(gòu)信息，重建精確的差分圖像有助于保持圖像的邊緣細(xì)節(jié)信息。而K空間數(shù)據(jù)的低頻部分則占據(jù)了圖像的大部分能量，相比原始圖像也更稀疏，高精度重建的低頻圖像也