[发明专利]基于两层紧框架稀疏模型的并行磁共振成像方法、装置及计算机可读介质

说明书

本发明涉及基于两层紧框架稀疏模型的并行磁共振成像方法、装置及计算机可读介质。提供了一种基于两层紧框架稀疏模型的并行磁共振成像方法，包括以下步骤：S1)基于欠采样所得的每个通道的图像数据，创建基于两层紧框架稀疏模型的压缩感知并行成像模型函数；S2)针对所创建的压缩感知并行成像模型函数进行优化迭代；以及S3)根据函数优化迭代过程所求得的目标图像数据重建图像。本发明的基于两层紧框架稀疏模型的并行磁共振成像方法解决了自适应力不高、算法复杂度大、稀疏表达没有充分利用等问题，从而提高成像的速度和精度。

技术领域

本发明涉及磁共振成像技术领域，尤其涉及基于两层紧框架稀疏模型的并行磁共振成像方法、装置及计算机可读介质。

背景技术

目前，磁共振成像已经发展成为生物学工程领域重要技术之一。然而磁共振成像速度较慢，且在成像过程中人体器官的运动、被检查者的移动等都会影像成像的清晰度。因此，缩短成像时间对磁共振成像有着重要的意义。在传统的成像方法中，重建方法缺乏自适应能力和有效的稀疏表达，特别是在欠采倍数较大和加噪的情况下。

压缩感应磁共振成像(Compressed sensing magnetic resonance imaging，CSMRI)是用于加速MRI扫描的基于信号处理的技术。压缩感应CS 利用了MR图像的稀疏性，并允许CSMRI从稀疏采样的K空间数据中恢复 MR图像，CSMRI的经典公式可以写成：

其中，u∈l^Q×1和f∈l^P×1分别表示MR图像及其相应的欠采样原始K 空间数据，F_P∈l^Q×P表示欠采样的傅里叶编码矩阵，其中P＜＜Q，并且||Wu||₁是一种分析模型，它在l₁范数约束下利用变换W∈l^Q×Q稀释图像。P和Q表示图像像素数量和测得数据的数量。然而，由于缺乏适应性或缺乏稀疏性，效率是以牺牲精度为代价的，特别是高度欠采样的噪声测量。

为解决这个问题，目前已提出一些方法，主要包括以下三个方向。

第一个方向主要是利用全局变换和冗余变换来分析稀疏变换的磁共振成像。经典的算法有基于压缩感知的全局变换和小波变换，这些方法重建模型较简单，其图像重建精度不高。

第二个方向是利用自适应字典稀疏表达磁共振成像，其重建方法有DLMRI,BPFA,TBMDU等，它们利用字典来自适应学习图像的结构信息。这些方法的去噪能力较强，然而，它们的计算量非常复杂，稀疏性仍然直接限制在一个层上。

第三个方向是在前面两个方向改善的，其目标是利用分析和合成稀疏模型的优点。如平衡的紧框架模型，它包含一个惩罚项来缩小分析和合成模型的距离。然而，尽管这种方法有很好的数学解释，但对于简单的一层，其稀疏的能力有待进一步提高。为了提高稀疏度，基于小波驱动的字典学习和基于全局变换的字典学习自适应从分析变换中代表稀疏系数。尽管重建效果提高了，但字典学习的计算量非常复杂。

针对以上技术的缺点，本发明提出了一种基于两层紧框架稀疏模型的并行磁共振成像方法。它是在稀疏的图像中通过一个固定的紧框架和一个自适应的学习紧框架重建图像，它采用了三层的Bregman算法有效地解决重建模型的优化问题，以实现快速且高质量的磁共振成像。

发明内容

如上所述，目前磁共振重建的方法有：(1)基于压缩感知的全局变换和小波变换的磁共振成像，其重建模型较简单，其图像重建精度不高。(2)基于自适应字典稀疏表达磁共振成像，其计算量非常复杂，稀疏性仍然直接限制在一个层上。(3)基于分析和合成模型的磁共振成像，其稀疏性有待进一步提高。