[發明專利]一種動態磁共振穩健PCA成像方法

在審

• 申請號: 201810141292.9
• 申請日: 2018-02-11
• 公開（公告）號: CN108577840A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 楊敏;周寶來;荊曉遠;晏士友
• 申請（專利權）人: 南京郵電大學
• 主分類號: A61B5/055
• 分類號: A61B5/055
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱小兵

本發明公開了一種動態磁共振穩健PCA成像方法，屬于圖像重建領域。本方法首先根據壓縮感知理論，進行部分k?t空間測量的動態磁共振圖像采樣，然后引入低秩加稀疏模型，將其應用到欠采樣動態磁共振成像，最后運用交替方向法（ADMM）解決穩健PCA優化問題。本方法不但保持了圖像的結構信息，同時低秩加稀疏的特性，在同樣欠采樣的情況下提高了圖像重建質量。

技術領域

本發明涉及圖像重建的方法，特別涉及一種動態磁共振穩健PCA成像方法，屬于圖像重建技術領域。

背景技術

動態磁共振成像，是有著空間和時間信息的磁共振信號，被用于多項臨床應用，例如心血管影像，動態對比增強磁共振成像等。然而，磁共振成像是一個內在的慢過程，由于核松弛，外周神經刺激，功率消耗和噪聲信號的約束，它的空間和時間的核磁共振分辨率受到限制，另外，長時間掃描會影響病人的舒適度，因而也增加運動偽影的產生。

因此，隨著磁共振成像的發展，許多方法已經被提出，來降低采樣時間。經典的方法包括回波平面成像，快速低角度鏡頭成像和使用多個接收線圈的并行磁共振成像。

壓縮感知(CS)在MRI應用中能夠提高成像速度和效率。CS理論要求采集空間和空間之間的圖像稀疏表示沒有關聯。幸運的是，MR圖像序列常常在空間和時間域中提供冗余信息，這為CS的應用提供了有利條件。此外，由于廣泛的時空相關性，結果圖像的稀疏表示這個想法是很容易擴展到動態MRI重建(DMRI)，K-T FOCUSS是一個成功的方法，它用了FOCUSS算法在時空變換域產生了稀疏約束，延長FOCUS技術與運動估計和運動補償來壓縮感知心臟MRI框架。但當運動是非周期性的時候，往往效果并不理想，近年來，研究者們致力于利用矩陣的低秩性質而不是單純的向量稀疏性。Lingala et al.提出了k-t SLR算法，利用在KLT域的低秩和全局稀疏特性進行MRI重建。然而，該算法沒有考慮到MRI圖像的結構稀疏性。這種局限性阻礙了進一步的改進。有些學者提出了基于塊的字典學習的DMRI重建技術。然而，基于塊的學習不能有效地用于DMRI重建，主要是因為DMRI序列的大小往往很大，學習這樣的大型數據集的字典一般是低效的。即使我們不考慮計算的局限性，它獲取學習稀疏詞典這樣巨大的DMRI訓練序列也是不現實的。目前，穩健主成分分析(RPCA)已被用于恢復的動態圖像數據的低等級結構的探討。

發明內容

本發明所要解決的技術問題是：為了克服以上現有算法的缺陷，提高成像質量及加快成像速度,本發明提出一種動態磁共振穩健PCA成像方法。

本發明為解決上述技術問題采用以下技術方案：

一種動態磁共振穩健PCA成像方法，其特征在于，步驟包括：

步驟1、根據壓縮感知理論，進行部分k-t空間測量的動態磁共振圖像采樣，得到k-t空間測量矩陣y；

步驟2、將低秩加稀疏模型引入步驟1所述動態磁共振圖像，具體如下：

步驟201、基于低秩矩陣填充的方法，用矩陣X表示要恢復的動態磁共振圖像數據，有其中矩陣的每一列代表一個N_x×N_y的二維圖像，共采集N_t張在時間軸上排列；

步驟202、由有限維度的時空磁共振成像模型，矩陣y與X間有：

y＝E(X)+n

其中y∈C^P表示步驟1所得k-t空間測量矩陣，是MRI的編碼操作，P＜＜N_xN_y×N_t，X是要恢復出的動態磁共振圖像矩陣，n∈C^P是噪聲向量；

步驟203、利用低秩和稀疏懲罰組合優化關于矩陣X的問題如下：