基于自适应双字典学习的MRI序列图像重构-电路与系统专业论文.docxVIP

万方数据 万方数据 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 日期 导师签名： 日期 万方数据 万方数据 摘 要 I 摘 要 磁共振成像（MRI）是利用人体的磁性核（氢核）在磁场中所表现出来的特性 进行成像的技术。该技术的具有无伤害性、组织对比度高和组织分辨率高等优点， 己成为临床医学的一种十分重要的检测手段。但是，目前 MRI 仍遭遇到成像速度 太慢的瓶颈问题，被成像者长时间滞留在成像仪器内，被成像者的运动会使图像 产生运动模糊；较慢的速度已经大大制约了 MRI 成像技术的发展。因此，MRI 研 究领域中最热门的课题就是如何提高 MRI 数据采集速度，减少成像时间。其中， 利用部分 K 空间数据成像是加快 MRI 成像速度的最常用的方法。随着成像方法越 来越好，对于运动肿瘤的放射治疗也变得越来越复杂，4D-MRI 将会为放射治疗方 案提供经得起检验的信息，如何获得高分辨率的 4D-MRI 也十分具有研究意义。 本文主要研究利用高倍下采样的部分 K 空间序列数据重构高分辨率磁共振图 像的方法，提出了一种基于自适应双字典学习的部分 K 空间序列图像重构算法和 一种基于相似性插值的部分 K 空间序列图像重构算法，并将其应用到多个健康志 愿者和多个癌症患者的 MRI 重构中。同时，本文还研究了如何利用多层 2D 动态 MRI 获得高分辨率的 4D-MRI，提出了一种基于双字典学习的 4D-MRI 超分辨率重 构算法。本论文的主要创新点如下： (1) 提出了一种基于自适应双字典学习的部分 K 空间序列图像重构算法。该方法 不需要已知参考图，而是充分利用部分 K 空间序列数据之间的相关性，产生一些 完整的 K 空间数据，得到高分辨字典，这样不仅减少了数据的采集量，提高了数 据的采集速度，同时合成参考图和待重构图像具有结构相似性，获得的字典自适 应性更强。通过残差补偿进一步补偿了丢失信息，修正了重构图像的一些细节边 缘，使图像的视觉效果得到进一步的提高。此外，通过适时更新字典，该方法能 够显著降低序列数据的重构误差，从而大大增强算法的自适应性和鲁棒性。 (2) 提出了一种基于相似性插值的部分 K 空间序列图像重构方法。该方法不需要 采集高采样率的 K 空间数据，而是充分利用部分 K 空间序列数据之间的相似性， 合成一些较完整的 K 空间数据，降低了采样率。然后利用呼吸状态最相似的合成 数据对待重构的部分 K 空间数据进行插值补充，而不是仅仅用相邻的 K 空间数据 进行插值，插值的数据更为精确，重构效果更好。此外，通过适时更新合成 K 空 间数据，能够显著降低序列数据的重构误差，从而大大增强算法的自适应性和鲁 棒性。 (3) 提出了一种基于双字典学习的 4D-MRI 超分辨率重构算法。该方法利用预先采 集的几层 2D 动态 MRI 作为训练样本来获得高、低分辨率字典，训练样本图像与 II 摘 要 待重构图像相关度高，重构图像的视觉效果较好，图像的细节信息都保持的比较 完整，并且能够重构出一个完整呼吸周期的图像，并且保持呼吸变化规律，能够 为医生的诊断和治疗提供较大的帮助。 本论文工作得到了国家自然科学基金(No、陕西省自然科学基金 (No.2013JM8020)以及中央高校基本科研业务费项目(No.K5051302027)的资助。 关键词：部分 K 空间 MRI 重构 4D-MRI Rebin 双字典学习 自适应 插值 Abstract III Abstract Magnetic resonance imaging (MRI) is a non-invasive and non