一种基于压缩感知理论的快速并行动态磁共振成像方法

文档序号:6486273阅读:475来源:国知局
一种基于压缩感知理论的快速并行动态磁共振成像方法
【专利摘要】现有的成像方法速度比较慢,硬件成本高,本发明公开了一种基于CS压缩感知理论的快速并行动态磁共振成像方法。本发明在设定的加速因子下,产生k-t空间的不相干采样轨迹,然后按照该轨迹采集数据;接着,利用动态MRI图像稀疏和低秩结构的复合信息建立目标函数;最后,通过快速复合分裂算法(FCSA)求解该复合正则化目标函数,能够快速并行的得到最优解,从而重建原始的动态MRI图像序列。本发明突破了经典奈奎斯特采样定理的极限,通过随机采样少量数据点,结合联合稀疏信息,利用可并行实现的FCSA算法重建动态MRI图像序列,从而大幅度的缩短了磁共振成像时间。
【专利说明】一种基于压缩感知理论的快速并行动态磁共振成像方法
【技术领域】
[0001]本发明涉及医学成像检测【技术领域】,特别涉及医学磁共振成像【技术领域】,具体是指一种基于压缩感知的快速并行动态磁共振成像方法。
【背景技术】
[0002]动态磁共振成像(dMRI)是一种利用体外测量的核磁共振信号产生体内器官动态特性的体素图像成像技术,是一种具有较高软组织分辨能力的无损伤诊断方法,具有X-CT等成像方法无法比拟的优点。然而,常规的动态磁共振成像时间比较长,成本过高,而且很难避免被验者身体中生理性运动所产生影像的模糊和对比度的失真,从而限制了它的实际临床应用。
[0003]影响动态磁共振成像速度的主要包括两个方面:(I)原始数据采集速度;(2) k-t空间数据采集数量。研究人员通过改进MRI硬件、快速序列设计研究及有效的采集轨迹来提高原始数据采集速度。但是由于硬件和人的生理条件限制,在缩短数据采集时间方面已经接近极限。因此,更多的研究者把精力放在如何在不降低图像质量条件下减少数据采集总量上。
[0004]传统的快速动态磁共振成像方法都受到奈奎斯特定理的限制,例如k-t Blast、k-t SENSE、UNFOLD等。但是近年来提出的压缩感知理论,突破了香农(Shannon)采样定理关于采样速率必须高于两 倍信号带宽的极限,因此,一些基于压缩感知理论的动态磁共振成像方法被提了出来,例如k-t SPARSE、k-t FO⑶SS、k-t SLR等。这些基于压缩感知的算法能够更好的利用动态数据k空间和时间的相关性,来减少采集成像所需的数据,不仅减少误差而且进一步加速图像采集,因此成为动态磁共振领域的研究热点。而其中最新的k-tSLR不仅利用了数据的稀疏性还能够有效的处理低秩结构,该方法可以在不适用门控技术和存在自由呼吸的情况下对心脏等运动部位进行高分辨率扫描,成为一个非常有潜力的研究方向。

【发明内容】

[0005]本发明的目的是为了进一步加快动态磁共振成像速度,提供了一种基于压缩感知技术的快速并行动态磁共振成像方法。该方法继承了 k-t SLR方法的优点,不需要门控技术仍然能够对存在呼吸运动影响的心脏运动进行高分辨率动态成像,而且采用快速的复合分裂算法(FCSA),算法具有较快速的收敛性,能够快速重建高质量的动态图像。
[0006]本文基于压缩感知的快速动态磁共振成像方法具体步骤如下:
(I)采用笛卡尔或者非笛卡尔采样轨迹的动态磁共振成像脉冲序列,从磁共振扫描仪上获取k-t空间的测量样本数据bi。1^与1€4空间信号的采样点相对应,还可以假设测量样本被噪声所干扰
【权利要求】
1.一种基于CS压缩感知理论的快速并行动态磁共振成像方法,其特征在于:采用了快速复合分裂算法(FCSA)来求解如下复合正则化问题,其中,φ0-)为低秩正则项,φ0-)为稀疏正则项、和、分别为其正则化参数I为傅里叶采样运算符,h为k-t空间的测量样本,为动态磁共振图像序列的2D矩阵形式,该发明利用了快速迭代收缩阈值算法(FISTA)的快速收敛性,并行求解每个正则项,从而快速并行的进行动态磁共振图像重建。
2.一种基于CS压缩感知理论的快速并行动态磁共振成像方法,其特征在于该方法包括以下步骤:,2-1按照设定的加速因子,确定采样轨迹,采集动态磁共振成像扫描仪中的k-t空间数据;,2-2对动态磁共振图像序列选择适当的稀疏变换,并结合低秩约束;,2-3采用FCSA算法来快速并行求解优化目标。
3.根据权利要求1所述的一种基于CS压缩感知理论的快速并行动态磁共振成像方法,其特征在于:步骤2-2中可以同时考虑稀疏和低秩结构,能够更充分利用数据冗余性,从而改进了成像质量,最优化正则化 参数组合由经验确定。
【文档编号】G06T11/00GK103505206SQ201210200798
【公开日】2014年1月15日 申请日期:2012年6月18日 优先权日:2012年6月18日
【发明者】董恩清, 吕成林, 郑清彬, 曹祝楼 申请人:山东大学威海分校, 董恩清
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1