发明名称 磁共振快速成像的方法
摘要 本发明属于图像处理技术领域,尤其涉及一种磁共振快速成像的方法。本发明的共振快速成像的方法包括:步骤A:在图像梯度域的水平梯度图像和垂直梯度图像上进行字典学,建立图像模型;步骤B:利用重建算法交替更新图像块的稀疏表示,恢复水平梯度和垂直梯度,然后在这两个方向梯度重建图像。本发明实施例磁共振快速成像的方法通过自适应学字典的引入可以克服固定的有限差分变换导致目标图像的块状效应,可以处理结构更复杂的图像,从而产生更精确的重建;另外本发明实施例对梯度图像进行处理,其比原图像更稀疏,因而字典学可以变得更精确和鲁棒,从而更稀疏地表示图像,且具有更好的保真度,且可以恢复出更多的细节。
申请公布号 CN103049923B 申请公布日期 2015.12.09
申请号 CN201210528522.X 申请日期 2012.12.10
申请人 深圳先进技术研究院 发明人 梁栋;刘且根;王圣如;刘新;郑海荣
分类号 G06T11/00(2006.01)I 主分类号 G06T11/00(2006.01)I
代理机构 深圳市科进知识产权代理事务所(普通合伙) 44316 代理人 宋鹰武
主权项 一种磁共振快速成像的方法,包括:步骤A:在图像梯度域的水平梯度图像和垂直梯度图像上进行字典学习,建立图像模型;步骤B:利用重建算法交替更新图像块的稀疏表示,恢复水平梯度和垂直梯度,然后在这两个方向梯度重建图像;在所述步骤A中,建立的图像模型为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><munder><mi>min</mi><mrow><mi>u</mi><mo>,</mo><msup><mi>D</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup><mo>,</mo><msup><mi>&Gamma;</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup></mrow></munder><mo>{</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mn>2</mn></munderover><munder><mi>&Sigma;</mi><mi>l</mi></munder><msubsup><mrow><mo>|</mo><mo>|</mo><msup><mi>D</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup><msubsup><mi>&alpha;</mi><mi>l</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup><mo>-</mo><msub><mi>R</mi><mi>l</mi></msub><mrow><mo>(</mo><msup><mo>&dtri;</mo><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msup><mi>u</mi><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>+</mo><mfrac><msub><mi>v</mi><mn>1</mn></msub><mn>2</mn></mfrac><msubsup><mrow><mo>|</mo><mo>|</mo><msub><mi>F</mi><mi>p</mi></msub><mi>u</mi><mo>-</mo><mi>f</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>}</mo></mrow>]]></math><img file="FDA0000767875920000011.GIF" wi="1038" he="150" /></maths><maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo><msub><mrow><mo>|</mo><mo>|</mo><msubsup><mi>&alpha;</mi><mi>l</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup><mo>|</mo><mo>|</mo></mrow><mn>0</mn></msub><mo>&le;</mo><msub><mi>T</mi><mn>0</mn></msub><mo>,</mo><mo>&ForAll;</mo><mi>l</mi><mo>,</mo><mi>i</mi><mo>,</mo></mrow>]]></math><img file="FDA0000767875920000012.GIF" wi="1067" he="124" /></maths>其中,第一项为梯度图像在字典上稀疏表示,第二项保证重建结果与K空间采样信号相匹配;权重v<sub>1</sub>=(λ/σ),σ为测量噪声的标准差,λ为正常数,u表示重建的图像,f为欠采的K空间数据,F<sub>p</sub>表示采样模板,D<sup>(i)</sup>是在第i个方向的差分图像<img file="FDA0000767875920000015.GIF" wi="103" he="54" />上学习到的字典,R<sub>l</sub>是在图像上提取第l个图像块的算子,<img file="FDA0000767875920000016.GIF" wi="78" he="65" />为从第i个方向上的差分图像<img file="FDA0000767875920000017.GIF" wi="103" he="54" />中提取的第l个图像块在字典D<sup>(i)</sup>上的稀疏表示系数,Γ<sup>(i)</sup>为<img file="FDA0000767875920000018.GIF" wi="77" he="75" />的集合,T<sub>0</sub>为图像块稀疏表示系数里最大的非零个数。
地址 518055 广东省深圳市南山区西丽大学城学苑大道1068号