动态磁共振成像中利用时空滤波的非笛卡尔稀疏数据重建新算法

通过非笛卡尔稀疏采样,可以显著缩短磁共振成像数据采集时间,在动态磁共振中具有良好的应用前景.现有的动态图像重建算法主要利用信号在时间域上的相关性完成图像重建,对信号在空间域上的相关性探讨不足.本文提出利用时空滤波的非笛卡尔稀疏数据重建新算法,同时考虑采集信号在时间域和空间域上的相关性.对动态的磁共振数据在时间域上采用改进的Hanning滤波,以克服数据量的不足;在空间域上,引入高频增强约束以突出图像中的细节信息.仿真实验结果显示,该方法重建出时间分辨率良好、细节比较清晰的图像,实现了稀疏采集的非笛卡尔数据在k空间的重建.     

非笛卡尔并行磁共振成像数据的自适应约束重建新算法

多通道欠采样非笛卡尔轨迹数据重建是当前磁共振成像的研究热点,当欠采样因子比较大时,病态问题往往使得敏感度编码(SENSE)方法重建图像信噪比严重降低,传统的解决方法是在重建方程中引入Tikhonov约束或TV约束。提出自适应约束的SENSE重建算法,由先验图像的梯度特征并借鉴PM模型的思想决定惩罚函数,在梯度幅值较大的区域使用各向异性扩散的TV约束方式,在梯度幅值较小的区域使用各向同性扩散的Tikhonov约束方式。进行8通道2.6倍欠采样可变密度螺旋轨迹人体动静脉畸形瘤动脉注射X线的仿真实验。结果表明,与平方和(SOS)重建方法、传统无约束SENSE重建方法以及TV约束SENSE重建方法相比,本算法可以有效抑制部分数据成像带来的噪声和伪影,并能较好保护图像细节尤其是小细节信息,成像效果优于传统方法。     

一种基于互信息量的并行磁共振图像重建新算法

平方和算法是多线圈采集技术与并行成像中常用的一种图像重建方法。但是,在数据采集过程中,某些类型的运动常常会使个别位置上的线圈数据发生异常,采用平方和算法会对最终的重建图像质量产生很大影响。本研究提出一种新的并行磁共振图像重建算法——加权平方和方法。算法以线圈图像间最大互信息量作为判据来统计破坏数据,在之后的图像结合过程中赋予不同的权值,最大限度地降低破坏数据对最终结合图像造成的影响,有效解决运动对原有算法造成的破坏。本算法分别对多线圈并行采集的体模数据与真实脑部数据进行了实验,结果显示:相比于现有方法,新算法可以有效地抑制破坏数据在重建图像中产生的伪影,重建图像在细节分辨率上也有更好的表现。     

磁共振成像数据的不规则采集及图像重建软件

开发出了一个基于PC机的软件，用于不规则磁共振成像数据的图像重建。该软件具有临床数据读入、数字图像模型生成、采样轨迹设计、κ空间数据生成、采样密度补偿函数计算、图像重建和图像定量分析等功能。该软件用VC 6编写，可运行在普通配置的微机上。     

磁共振螺旋采样的一种基于Trivial尺度因子的NUFFT重建算法

在解决磁共振成像的非笛卡尔采样,比如螺旋轨迹采样的重建问题中,最小二乘意义上的NUFFT算法是其中重要的方法之一。该NUFFT算法,在最小二乘意义上能够针对每一个数据点生成一个卷积核矩阵,因而计算精度高;但是,尺度因子作为构成核矩阵的参数之一,它的选择目前尚没有定论。本文在该算法的基础上,采用Trivial尺度因子,并将之应用在螺旋采样的磁共振重建上。实验结果表明本文的方法比目前采用Cosine尺度因子的NUFFT算法,重建误差更小,速度更快。     

基于双稀疏字典的医学图像融合算法及在脑血管疾病诊断中的应用

目的通过图像融合方法结合解剖和功能医学图像以提供更多有用的信息并辅助医生诊断。方法利用稀疏表示能很好地反映图像特征的优势。首先,选取医院脑梗死和脑出血的CT和MRI的临床图像,采用双稀疏字典算法得到稀疏字典,再通过结合空间域信息的最大选择法作为融合规则对其进行融合,并与基于主成分分析(principal component analysis,PCA)和离散小波变换(discrete wavelet transform,DWT)方法的图像融合结果在主观方面以及客观方面的QAB/F和Piella指标上进行比较。结果本文提出的方法所获得的融合图像主观评价优于另外两种方法。QAB/F和Piella的均值分别为0.9139和0.7213,客观评价指标也优于另外两种方法。结论基于双稀疏字典的图像融合算法得到的融合图像更清晰,对比度更高,并且特征保留效果更好,有助于医生的诊断。     

快速回波平面磁共振谱成像数据重建算法

传统的相位编码磁共振谱成像采集数据需要很长的时间,使得其在临床上的应用受阻。快速回波平面谱成像(Echoplanarspectroscopicimaging,EPSI)技术采用随时间变化的梯度对谱维和空间维同时进行编码,大大减少了数据采集时间。同时,改进EPSI的读出梯度形式还可以提高‘空间-谱’的分辨率。EPSI数据重建算法比较复杂在t方向先分别对奇偶回波数据进行快速傅立叶变换(FastFouriertranslation,FFT),再利用‘偏移’理论进行组合;在kx方向采用网格化算法将不等间隔采集的数据转换到等间隔的直线网格上,再利用FFT进行图像重建;ky方向是相位编码,不需要转换,直接进行FFT即可。     

稀疏恢复的梯度投影算法在PPG信号重建中的研究

光电容积描记(PPG)法是一种无创测量人体脉搏信号的方法,其波形反映血管中的血液容积变化,在诊断心血管疾病时具有重要作用。然而,这种方法容易因病人有意或无意运动产生运动伪影(MA)而影响诊断结果的准确性。为解决这一问题,基于压缩感知理论框架,采用稀疏恢复的梯度投影(GPSR)算法,对PPG信号进行滤噪和恢复。对于非稀疏信号,压缩感知包括稀疏和恢复两个步骤:首先为保证信号的重要信息不被破坏,利用哈尔小波基找到最佳稀疏域,对信号进行稀疏变换;然后采用GPSR算法,在恢复信号的同时去除MA噪声。实验测量3种受MA影响的带噪PPG信号,并用GPSR算法处理分析。另测50名健康成年人在垂直运动时产生的带噪PPG信号,计算带噪与重建PPG信号的心率和均方误差(MSE)。将得到的两种心率分别与无噪声PPG信号心率通过Bland-Altman方法做对比分析,结果显示,带噪与无噪声PPG信号的差异范围在±23 beat/min,而重建PPG信号在±2.7 beat/min。由均方误差的Box Plot图可知,重建信号的MSE比带噪信号降低约50%。这些结果均表明,GPSR算法能明显降低信号中的运动干扰。     

模糊数学和投影至闭凸集法结合提高医学图片谱估计质量

传统的功率谱估计得到的估值可视为是真实功率谱在隐含窗和噪声作用下退化的结果,可采用信号解卷积的方法恢复信号的真实功率谱。本文采用模糊数学和投影至闭凸集(POCS)法相结合实现解卷积的选代算法,对约束条件和隶属函数的选择均作了考虑。采用在模糊集的截集上的选代求解,提高了谱估计质量。该方法用于图片的功率均衡滤波,获得较好的效果。     

基于稀疏分解的心电信号压缩算法

动态心电的广泛应用导致海量心电数据的产生,为了传输和存储的高效实现,必须对其进行压缩.本文在详细分析心电信号的可压缩特性基础上,将稀疏分解这一目前数据压缩算法领域较为前沿的方法引入到心电信号压缩算法中,提出了一种基于稀疏过完备库分解的心电数据压缩算法,该算法能够在较低的数据失真度情况下得到较好的数据压缩效果.同时,通过将本算法的实验数据同相关文献中提到的方法进行对比,其结果验证了本文算法的有效性.     

基于稀疏分解的心电数据压缩算法

稀疏分解是近年发展起来的新的信号处理方法,其优势在于分解所用的基（字典）是超完备的,能更真切地反映信号本质,因此能得到信号的稀疏表示,对数据压缩非常有利。利用稀疏分解的这一优势,进行了心电数据压缩的探索研究。通过对MIT-BIH心电数据库中数据的训练学习,构造出的心电数据字典中的原子能反映出心电信号的时频域特点,能用较少的原子重构心电信号。该心电数据压缩算法能够按照实际的要求调整压缩比,且失真较小（压缩比达到20：1时,均方误差只有5.11%）。实验表明,该算法用于心电数据压缩是切实可行的。     

磁共振成像PROPELLER采样数据重建中的运动估计新算法

PROPELLER（推进器）采样技术能够利用K空间中心重叠采样区域的数据来估计采集过程中受检查者的运动进而加以补偿,对运动伪影的消除效果非常显著。然而,由于其重建时的运动估计是基于最大化频域空间上相关系数的配准算法,该算法为了实现旋转估计与平移估计的分离,在进行旋转估计时,仅仅采用K空间数据的模,在数据量有限的情况下造成估计精度较低,在重建图像上表现为模糊及星条状伪影。本研究基于最大化图像空间上的互信息提出一种PROPELLER采样数据的运动估计新算法,首先由每个K空间带进行傅立叶逆变换后取模重建出系列临时图像,对这些图像进行模糊增强后以互信息作为相似性测度迭代搜索最优的运动参数。实验证明,该方法能显著提高PROPELLER采样数据重建中运动估计与补偿的精度,从而更好地消除伪影,特别是用于有运动时T1加权头部成像时。     

一种基于稀疏分解去除EEG信号中MRI伪迹的新方法

在脑电图(Electroencephalography,EEG)和功能磁共振成像(Functional magnetic resonance imaging, FMRI)同时记录时,如何有效的去除混入EEG信号中的强磁共振(Magnetic resonance imaging,MRI)伪迹干扰信号是当前在EEG和FMRI的联合研究中面临的一个信号前期处理难点。主要从MRI干扰信号和EEG信号在时空上的差别出发,提出了一种基于混合过完备库的稀疏成分分析的分解方法,实现了强MRI干扰下的EEG信号的估计。在方法实现中,首先利用小波和离散余弦构造能体现MRI干扰和EEG时空特性差别的混合过完备库,然后通过匹配追踪(Matching pursuit,MP)方法在混合过完备库中的学习,实现MRI伪迹的消除。对模拟数据以及真实记录的混入了MRI干扰的EEG信号的估计实验结果,证实了该方法的有效性。     

A Bayesian-MAP Method Based on TV for CT Image Reconstruction from Sparse and Limited Data

Computed tomography(CT) plays an important role in the field of modern medical imaging. Reducing radiation exposure dose without significantly decreasing image's quality is always a crucial issue. Inspired by the outstanding performance of total variation(TV) technique in CT image reconstruction, a TV regularization based Bayesian-MAP(MAP-TV) is proposed to reconstruct the case of sparse view projection and limited angle range imaging. This method can suppress the streak artifacts and geometrical deformation while preserving image edges. We used ordered subset(OS) technique to accelerate the reconstruction speed. Numerical results show that MAP-TV is able to reconstruct a phantom with better visual performance and quantitative evaluation than classical FBP,MLEM and quadrate prior to MAP algorithms. The proposed algorithm can be generalized to cone-beam CT image reconstruction.     

基于L_P范数的磁感应断层成像图像重建算法

磁感应断层成像(MIT)图像重建是一个典型的病态问题,且其数值解不稳定。为了改善解的病态性而又能提高重建图像的质量,本文在变差正则化算法的基础上提出一种新的基于LP范数的变差正则化算法。该算法不仅有效地克服了MIT重建图像数值解的不稳定性,还提高了重建图像的质量,增强了重建图像的空间分辨能力。仿真实验结果表明,该算法所获得的重建图像质量好于Tikhonov正则化算法和变差正则化算法,为MIT提供了一种新的有效方法。     

基于边界跟踪算法的脑磁共振图像分割

目的：脑磁共振图像的自动分割是近几年研究的一大热点,本文在通过分析比较当前各种图像分割算法后,介绍了一种基于边界跟踪的脑磁共振图像（MRI）分割算法,在MRI中提取出脑组织部分。方法：应用迭代法对脑磁共振图像进行二值化处理;扫描二值化图像,根据脑组织的形态,确定一点作为脑组织边界的起点;根据边界点的像素特征,对传统的边界跟踪算法进行改进,计算出MRI脑组织的边界,最后应用区域生长法在原始MRI中提取脑组织图像,实现MRI分割。结果：实验结果表明,改进后的边界跟踪算法在提取脑组织边界时,细节处理能力强,不易陷入死循环,具有较高的运算速度。提取的真实脑磁共振图像的脑组织区域,能满足临床的实际需要。结论：对图像二值化处理,对图像有微弱的损害,但是极大地提高了计算速度。与传统的边界跟踪算法相比,改进后的边界跟踪算法分割效率高,更易实现MRI的自动分割。获得的边界曲线在细节上更接近于脑组织的实际边界。