[發明專利]一種基于外積有效和字典學習的改進靈敏度編碼重建方法

在審

• 申請號: 202210632632.4
• 申請日: 2022-06-07
• 公開（公告）號: CN115037308A
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 段繼忠;蘇艷
• 申請（專利權）人: 昆明理工大學
• 主分類號: H03M7/30
• 分類號: H03M7/30;G06T11/00;G06T5/00;G06K9/62
• 代理公司: 昆明明潤知識產權代理事務所(普通合伙) 53215
• 代理人: 馬海紅

本發明涉及一種基于外積有效和字典學習的改進靈敏度編碼重建方法，屬于磁共振成像技術領域。靈敏度編碼SNESE是一種利用接收器線圈靈敏度的固有空間編碼信息來實現圖像重建的并行磁共振成像技術。由于字典學習具有較強的學習表達能力和捕捉圖像細節的能力，本發明將SOUP?DILLO正則項引入SENSE模型中，提出一種基于SOUP?DILLO的改進靈敏度編碼重建算法，命名為SOUP?DILLO?SENSE。本發明基于塊坐標下降法和ADMM求解，通過字典學習和圖像更新兩步實現并行磁共振成像重建。本發明增強了圖像的稀疏性，去除噪聲和偽影效果顯著，重建圖像細節和邊緣輪廓信息保留能力較強，提高了磁共振成像重建質量。

技術領域

本發明涉及一種基于外積有效和字典學習的改進靈敏度編碼重建方法，屬于磁共振成像技術領域。

背景技術

磁共振成像技術(Magnetic Resonance Imaging,MRI)一直是圖像處理領域的一個重要的研究熱點，被廣泛的應用于臨床醫療和科學研究中。然而，MRI的數據采集速度較慢，為了在保證磁共振成像質量的同時提高其成像速度，研究者們將壓縮感知(CompressedSensing,CS)理論應用到磁共振成像領域中，并提出了并行成像技術(Parallel Imaging,PI)。

CS理論利用信號的稀疏性，從欠采樣數據中準確的恢復信號。2007年由Lustig等提出的壓縮感知磁共振成像理論(Compressed Sensing-Magnetic Resonance Imaging,CS-MRI)是其中的代表性著作之一，這是一種常用的減少數據采樣量的方法，能有效加速掃描過程。

PI是一種利用多個頻率線圈并行獲取信號的空間靈敏度差異來定位信號的方法。靈敏度編碼(SENSitivity Encoding,SENSE)通過對采集的欠采樣K空間數據應用傅里葉逆變換獲得多線圈混疊圖像，為了與現有的MR臨床條件相結合，研究人員提出了將壓縮感知和并行成像技術相結合的方法。2008年，Liang等提出了SpareSENSE方法，將靈敏度編碼(SENSE)與壓縮感知相結合以實現快速MR成像。2017年，Kim等提出了將全變分(TotalVariation,TV)-LORAKS正則項(TV-LORAKS)和SENSE相結合的方法，可以在高加速因子下獲得更好的圖像質量。2020年，鮑中文等將Lp偽范數全變分(LpTV)正則項引入SENSE模型中，并使用算子分裂技術(Operator Splitting,OS)來求解該問題，有效的提升圖像信噪比。

正則項的選擇對MRI的重建質量至關重要，基于正則化器的SENSE模型算法主要有基于TV-LORAKS正則項的TV-LORAKS-SENSE算法和基于Lp偽范數全變分(LpTV)正則項的LpTV-SENSE算法，雖然這些算法都能完成圖像重建，但是重建圖像存在階梯偽影和模糊偽影，細節和邊緣保留完整度較低，圖像重建精度有待提高。

發明內容

本發明的目的在于克服現有技術的不足，提供基于外積有效和字典學習的改進靈敏度編碼重建方法，可進一步提高磁共振成像重建圖像的質量。

本發明采用的技術方案是：一種基于外積有效和字典學習的改進靈敏度編碼重建方法，包括以下幾個步驟：

S0：初始化，令k＝0，x⁰＝(RFS)^Hy，