基于字典學习的K空间高降采样磁共振图像的重建.docxVIP

基于字典学习的K空间高降采样磁共振图像的重建 摘要：压缩感知（CS）利用磁共振图像（MRI）的稀疏性使得从K空间降采样的数据能够精确重建原图像。近年来CS研究方法已经开始采用诸如小波，曲线波和有限差分等的解析稀疏变换。本文我们提出了一种自适应的同时学习稀疏变换（字典）和从K空间高降采样数据重建图像的新颖架构。这一架构的稀疏性对强调局部结构的重叠图像块施行。并且，这种字典适用于特定的图像实例，因此有利于更好的稀疏和更高的降采样率。本文提出的交替重建算法学习稀疏字典，并用该稀疏字典在一个阶段中消除混叠和噪声，然后在下一阶段恢复、填充K空间数据。使用各种采样方案针对几种解剖磁共振图像和实磁共振数据进行数值实验，结果表明在重建误差方面有4-18dB的显著提高，并且与以前的压缩感知方法相比较，本文所提出的利用自适应字典的图像重建将降采样因子增加了一倍.这些改进表明在不需参数整定的情况下，实际数据信噪比可以达到很大的范围。 关键词：压缩感知（CS），字典学习，图像重建，磁共振成像（MRI），缩减编码，稀疏表示。 第一章 简介 磁共振成像（MRI）是一种非侵入性和非电离性成像技术。它提供各种对比机制，使得解剖结构和生理机能达到极好的可视化。由于这些优势，磁共振成像成为图像诊断的一种主要的形式。然而，影响磁共振成像临床吞吐量和成像质量尤其是动态成像应用的主要缺陷是MRI是一种相对较慢的成像形式。