基于压缩感知高阶张量扩散磁共振稀疏成像方法.pdfVIP

第28 卷 第 8 期 模式识别与人工智能 Vol.28 No.8 2015 年8月 PRAI Aug. 2015 基基于压缩感知 高阶张量扩散磁共振稀疏成像方法* 冯远静 吴 烨 张贵军 梁荣华 (浙江工业大学信息工程学院信息处理与自动化研究所 杭州310023) 摘 要 高阶张量扩散磁共振成像技术是高分辨率显示活体脑白质微结构信息的重要方法,但其数据采集时间较 长 纤维重构分辨率较低等缺点限制其在临床上的应用.文中在高阶张量模型的基础上提出一种稀疏加权的纤维 方向分布估计方法.该方法首先建立高阶张量球面反卷积纤维方向估计模型,然后提出一种纤维方向的稀疏表示 方法,最后建立稀疏约束反卷积的 范数优化模型.针对优化模型的求 ,提出一种用低阶训练稀疏字典 决高阶l 1 优化问题的计算方法.模拟数据和临床数据的实验表明,纤维方向分布估计方法有效提高高阶张量成像方法的角 度分辨率,降低角度识别误差. 关键词 高阶张量,稀疏表示,反卷积,压缩感知 中图法分类号 TP391 DOI 10.16451/j.cnki.iss201508006 HigherOrderTensorDiffusionMagneticResonanceSparseImaging BasedonCompressedSensing FENGYuan﹣Jing,WUYe,ZHANGGui﹣Jun,LIANGRong﹣Hua (InstituteofInformationProcessingandAutomation,CollegeofInformationEngineering, ZhejiangUniversityofTechnology,Hangzhou 310023) ABSTRACT High OrderTensor(HOT) diffusionmagneticresonanceimagingisanimportantmethodtoreveal themicrostructuralinformationoflivingbrainwhitematter. However,itstime﹣consumingdataacquisition and low fiber reconstructing resolution limit its clinical application.In this paper, a fiber orientation estimationmethodwithweightedsparseispresentedbasedonHOTmodel. Firstly,theHOTspherical deconvolutionmodelforfiberorientationestimationisestablished. Then,asparserepresentationmethod of fiberorientationisputforward. Finally,a l ﹣normoptimizationmodelisbuiltforthesparseconstraint 1 deconvolution. Acomputingmethodofapplyi