[发明专利]一种重建动态磁共振图像的方法、装置及可读存储介质

权利要求书

1.一种重建动态磁共振图像的方法，其特征在于，包括：

获取动态磁共振图像中待重建的采样数据；其中，根据所述动态磁共振图像的局部变化特性，将所述动态磁共振图像分解为背景低秩张量成分和变化的前景稀疏张量成分；

通过预设低秩模型对所述采样数据进行处理，获得所述背景低秩张量成分；

通过预设稀疏模型对所述采样数据进行处理，获得所述变化的前景稀疏张量成分；

基于所述背景低秩张量成分和所述变化的前景稀疏张量成分，重建动态磁共振图像。

2.根据权利要求1所述的方法，其特征在于，所述预设低秩模型的核范数包括：平行因子分解的核范数和/或高阶奇异值分解的核范数；

相应的，通过预设低秩模型对所述采样数据进行处理，获得所述背景低秩张量成分，包括：

基于所述平行因子分解的核范数和/或所述高阶奇异值分解的核范数对所述采样数据的低秩成分进行约束，获得所述背景低秩张量成分。

3.根据权利要求2所述的方法，其特征在于，基于平行因子分解的核范数对所述采样数据的低秩成分进行约束，获得所述背景低秩张量成分，包括：

通过低秩近似变量和交替方向乘子法，求解所述平行因子分解的核范数的约束下的所述背景低秩张量成分。

4.根据权利要求3所述的方法，其特征在于，通过低秩近似变量和交替方向乘子法，求解所述平行因子分解的核范数的所述背景低秩张量成分，包括：

通过所述低秩近似变量，将所述预设低秩模型转化成等价的全局共识问题；

将所述等价的全局共识问题最小化为增广拉格朗日形式；其中，所述增广拉格朗日形式包括所述背景低秩张量成分、所述低秩近似变量和对偶的张量变量；

根据交替方向乘子法对所述增广拉格朗日形式进行求解，获得所述背景低秩张量成分。

5.根据权利要求4所述的方法，其特征在于，根据交替方向乘子法对所述增广拉格朗日形式求解，获得所述背景低秩张量成分，包括：

根据交替方向乘子法对所述增广拉格朗日形式求解获得与所述低秩近似变量相关的等式，根据共轭梯度算法对与所述低秩近似变量相关的等式进行计算，获得所述低秩近似变量；

基于所述低秩近似变量计算获得所述背景低秩张量成分。

6.根据权利要求2所述的方法，其特征在于，基于所述高阶奇异值分解的核范数对所述采样数据的低秩成分进行约束，获得所述背景低秩张量成分，包括：

通过张量模式-n矩阵化将所述背景低秩张量成分按模展开为矩阵形式；

基于张量奇异值分解和张量奇异值软阈值截断算子计算所述矩阵形式中的所述背景低秩张量成分。

7.根据权利要求1所述的方法，其特征在于，所述预设稀疏模型的范数包括：各向异性的张量全变分的范数；

相应的，通过预设稀疏模型对所述采样数据进行处理，获得所述变化的前景稀疏张量成分，包括：

根据所述各向异性的张量全变分的范数对所述采样数据的稀疏成分进行约束，获得所述变化的前景稀疏张量成分。

8.根据权利要求7所述的方法，其特征在于，根据所述各向异性的张量全变分的范数对所述采样数据的稀疏成分进行约束，获得所述变化的前景稀疏张量成分，包括：

根据原对偶方法对所述各向异性的张量全变分的范数进行求解，获得所述预设稀疏模型的带有对偶变量的原对偶形式；其中，所述原对偶方法包括勒让德-芬伽变换；

根据梯度下降法求解所述原对偶形式，获得所述对偶变量；

基于所述对偶变量求解所述变化的前景稀疏张量成分。