基于非局部拉格朗日乘子的磁共振成像方法.docxVIP

基于非局部拉格朗日乘子的磁共振成像方法 0 tv正则项 由于无创伤和组织清晰的成像优势，磁共振成像（mri）在各种研究和诊断中得到了广泛应用，因此提高扫描和成像速度已成为一个挑战。在硬件方面，图像速度的提高主要通过增加静态磁体的场强和多线圈的并行成像来扩展。 式中, φ (·) 为正则项 TV变换作为正则项被广泛用于各图像重建领域 式中, D代表全变分算子.文献[8]提出的一种基于TV正则项的增广拉格朗日和交替方向算法 (TVAL3) 模型如下: 式中, ν, λ是拉格朗日乘子, β, μ是正则化参数. TVAL3算法以其快速性和准确性超过了绝大多数的CS重建方法, 但是此算法也有其他TV变换同样的缺点, 它们往往会丢失一些图像的细节. 为克服上述缺点, 近年来非局部正则化方法开始应用于图像去噪和重建领域 1 压缩传感器磁共振重建算法 1.1 自相似性ls 非局部均值 (NLM) 滤波的基本思想来源于图像的非局部自相似性, 即图像内部的不同区域普遍存在结构和细节相似的子块, 定义如下 式中, NL[u] (i) 是图像u中的所有像素对给定像素i的加权平均值, 权重{ωi (, j) } 1.2 基于非局部拉格朗日乘子的核磁共振图像重建 将式 (6) 非局部正则项代入到式 (2) , 我们可以得到基于非局部正则化的压缩感知磁共振重建模型TVNLR. 其对应的增广拉格朗日函数可以表示如下: 式中, ν, γ, λ是拉格朗日乘子, α, β, μ是正则化参数.通过比较 (3) 和 (8) 可以看出, 引入非局部正则项以后, 增加了最优化问题的子问题数目, 且非局部均值滤波提高了计算的复杂度.由于其中的拉格朗日乘子ν是从梯度图像Du更新而来, 如果仍按照传统的TVNLR方法来更新ν, 那么迭代后ν将会是一个含大量噪声的Du.由于ν中的噪声会减少相应的结构信息, 所以有必要先对梯度图像去除噪声.基于此, 我们提出基于非局部拉格朗日乘子的磁共振图像重建, 使用非局部均值滤波算子更新拉格朗日乘子方法来减少TVNLR中的正则项数目和求解子问题的数目. 用类似TVAL3 ω子问题 u子问题 式中, d为梯度, 由下式给出 拉格朗日乘子υ, λ由下述给出 算法的简述见算法1.1. 算法1.1基于非局部拉格朗日乘子的磁共振图像重建算法 输入参数 采样矩阵A, 参考图像和完整的k空间数据, 初始化拉格朗日乘子ν和λ, 正则化参数 循环1:while循环次数未达到 通过式 (10) 计算u子问题, 同时梯度向量由式 (11) 计算 2 方法和结果分析 2.1 tvnlr算法的比较 本文通过对比不同采样率下的信噪比 (SNR) 、视觉差异以及重建时间等指标来分析和评价TVAL3、TVNLR和MRNLM三种不同的重建算法说明本文提出算法的优越性.其中用于对比的TVNLR算法根据经验选择迭代一定次数以后进行一次滤波.由于MR的k空间数据中间部分集中了图像的主要信息, 我们采用如下的采样方法:在k空间中心部分径向采集, 边缘部分随机采样.正则化参数根据经验选取, 本实验中 2.2 mrnlm和tval3的重建效果对比 我们以采样率为30%时的肝脏重建图像为例对TVAL3, TVNLR和MRNLM三种算法进行比较.如图1所示, MRNLM方法重建图像相比另外两种方法更接近原始图像.TVAL3算法虽然也给出了较好的视觉质量, 但在图像右半部分脊柱上侧的边缘仍然受阶梯效应的影响, 有明显的褶皱和细节丢失;另一种用到非局部正则化的TVNLR方法虽然重建图像信噪比相对TVAL3有所提高, 但是由于在分块内部过度平滑, 因此在肝脏图像的下部椎间盘和脊柱区域造成了很严重的模糊, 其中脊柱内的部分因过度平滑而很难区分.算法MRNLM由于改进了之前的正则化方法, 对拉格朗日乘子的非局部均值滤波, 防止噪声在迭代过程中的累积, 使得在拉格朗日乘子中几乎不存在噪声, 图像的边缘和细节比另外两者更清晰, 同时保留了更多的纹理, 能够为临床提供更多的支持. 图2左侧是肝脏图像的三种重建算法在不同采样率下所得的重建图像的信噪比.由图2可知, 在10%较低采样率下, 虽然三者信噪比均不高, 但MRNLM仍相对TVAL3的重建图像提高2.5dB左右, 相对TVNLR提高1.5dB.且随着采样率的提高, MRNLM几乎呈比例提高, TVNLR方法有所提高, 而TVAL3的重建质量提高不明显, 这说明此正则化方法在利用图像信息改进图像质量方面具有很好的效果.图2右侧重建图像和原图的相对误差也说明了MRNLM方法的重建算法优于另外两种. 表1统计了测试平台上三种算法重建单幅图像的时间.由表1可以看出, 由于引入了非局部均值滤波, MRNLM方法增加了一定的时间成本, 但改进了非局部正则化方法,