一种基于双字典学的4D-MRI超分辨率重构方法

摘要

本发明公开了一种基于双字典学的4D-MRI超分辨率重构方法，主要解决现有方法重构的4D-MRI空间分辨率较低的问题。其主要步骤为：对多层sagittal2D动态MRI进行回顾性排序，导出4D-MRI，在coronal方向上切出待超的低分辨率图像；从预先采集的多层coronal2D动态MRI中提取训练图像；再用KSVD算法对训练图像进行训练得到高、低分辨率字典；利用高、低分辨率字典之间的关系对待超的低分辨率图像进行超分辨率重构。本发明能够有效提高4D-MRI的空间分辨率，可用于多个方向的MRI超分辨率重构。

主权项

一种基于双字典学习的4D‑MRI超分辨率重构方法，其特征在于：包括如下步骤：（1）对一个slice的sagittal2D动态MRI进行回顾性排序，得到该slice的M个呼吸相位的平均呼吸变化图，依次对p个slice的sagittal2D动态MRI进行上述处理，可得到p个slice平均呼吸变化图，把这p个slice的平均呼吸变化图进行堆叠，导出4D‑MRI，对于任一呼吸相位，假设sagittal2D‑MRI的大小为m×m，则可在coronal方向上切出m层，大小为m×p的低分辨率图像L_t(t＝1～m)，即为待超的低分辨率图像；（2）预先采集n(m＞n)层coronal2D动态MRI图像S_i(i＝1～n)，在每个slice中抽取N幅不同呼吸相位的图像，得到n×N幅高分辨率图像H_i(i＝1～n×N)，手动的在高分辨率图像H_i(i＝1～n×N)中取一个窗口，该窗口要尽量包含待超的低分辨率图像中的信息，再在所取的窗口中等间隔抽取p列，得到低分辨率图像L_i(i＝1～n×N)，把这n×N对高分辨率图像H_i(i＝1～n×N)和低分辨率图像L_i(i＝1～n×N)作为训练图像；（3）分别输入高分辨率训练图像H_i和低分辨率训练图像L_i，并采用不重叠的方式对每幅训练图像取4×4的小块，获得初始高分辨率字典H和初始低分辨率字典L；（4）利用KSVD算法对初始高分辨率字典H和初始低分辨率字典L进行训练，得到新的高分辨率字典D_h和新的低分辨率字典D_l，以及高分辨率训练图像H_i的稀疏系数α_hi和低分辨率训练图像L_i的稀疏系数α_li；（5）输入待超的低分辨率图像L_t(t＝1～m)，利用低分辨率字典D_l，求解待超的低分辨率图像L_t的稀疏系数α_l；（6）分别求待超的低分辨率图像L_t和n×N幅低分辨率训练图像Li的误差：得到待超的低分辨率图像L_t与n×N幅低分辨率训练图像中的第j幅训练图像L_j的最小误差：${\mathrm{er}}_j=\underset{i=1}{\overset{n}{\min }}\left\{{\mathrm{er}}_i\right\};$（7）求出待重构的高分辨率图像H_t的稀疏系数α_h；（8）利用高分辨率字典D_h和待重构的高分辨率图像H_t的稀疏系数α_h，求得待重构的高分辨率图像：H_t＝D_h*α_h。