压缩感知磁共振成像基本原理及特点.docVIP

压缩感知磁共振成像基本原理及特点

一、压缩感知理论的核心基础

压缩感知（CompressedSensing,CS）是一种突破传统奈奎斯特采样定理限制的信号采集与重构理论，由Donoho、Candes等学者在2006年提出。其核心思想是：如果信号在某个变换域是稀疏的，那么就可以用远低于奈奎斯特采样率的方式对信号进行非自适应采样，并且能够通过非线性重构算法准确地恢复出原始信号。这一理论为磁共振成像（MagneticResonanceImaging,MRI）的加速采集提供了重要的理论支撑。

（一）信号稀疏性

信号稀疏性是压缩感知理论的前提条件。所谓稀疏性，是指信号可以通过某种变换（如傅里叶变换、小波变换、曲波变换等）表示为少数非零系数的线性组合。例如，一幅自然图像在小波变换域中，大部分系数的绝对值都很小，只有少数大系数包含了图像的主要信息，这样的图像就具有稀疏性。在磁共振成像中，人体组织的磁共振信号在k空间（傅里叶空间）通常具有一定的稀疏性，尤其是在经过适当的变换后，这种稀疏性会更加明显。例如，脑部磁共振图像在小波变换域或压缩感知变换域（如有限角度变换、局部余弦变换等）中可以被稀疏表示，这为压缩感知在MRI中的应用提供了可能。

（二）非自适应采样

传统的采样方式通常是基于奈奎斯特采样定理，即采样频率必须大于信号最高频率的两倍，才能保证从采样信号中无失真地恢复出原始信号。而压缩感