CS-MRI 中评价随机欠采样矩阵的新方法

在压缩感知-磁共振成像(CS-MRI)中,随机欠采样矩阵与重建图像质量密切相关．而选取随机欠采样矩阵一般是通过计算点扩散函数(PSF),以可能产生的伪影的最大值为评价参数,评估欠采样对图像重建的影响,然而最大值只反应了伪影的最坏情况．该文引入了两种新的统计学评价参数平均值(MV)和标准差(SD),其中平均值评估了伪影的平均大小,标准差可以反映伪影的波动情况．该文分别使用这3种参数对小鼠和人体脑部MRI数据以不同的采样比率进行CS图像重建,实验结果表明,当采样比率不低于4倍稀疏度时,使用平均值获得了质量更优的重建图像．因此,通过稀疏度先验知识指导合理选取采样比率,并以平均值为评价参数选取随机欠采样矩阵,能够获得更优的CS-MRI重建图像．
     

一种结合并行成像和压缩感知的快速磁共振成像新方法

压缩感知（CS）技术和并行成像技术（主要是SENSE技术、GRAPPA技术等）都能通过减少k空间数据的采集量来加快磁共振成像速度,目前已有一些将两种方法相结合进一步加速磁共振成像速度的方法（例如CS-GRAPPA）.本文针对数据采集和重建这两方面对现有CS-GRAPPA方法进行了改进,采集方式上采用了局部等间隔采集模板以满足GRAPPA重建的要求,并对采集模板进行随机放置以满足CS重建的要求;数据重建时,根据自动校正数据估算GRAPPA算法中欠采行的重建误差,并利用误差的大小确定在CS算法中保真的程度.不同磁共振图像重建实验的结果表明：与现有方法相比,本文方法能够更好地保留原有图像细节并有效减少伪影.     

基于同时多层激发和并行成像的心脏磁共振电影成像

磁共振成像（MRI）无创无害、对比度多、可以任意剖面成像的特点特别适合用于心脏成像,却因扫描时间长限制了其在临床上的应用.为了解决心脏磁共振电影成像屏气扫描时间过长的问题,该文提出了一种基于同时多层激发的多倍加速心脏磁共振电影成像及其影像重建的方法,该方法将相位调制多层激发（CAIPIRINHA）技术与并行加速（PPA）技术相结合,运用到分段采集心脏电影成像序列中,实现了在相位编码方向和选层方向的四倍加速,并使用改进的SENSE/GRAPPA算法对图像进行重建.分别在水模以及人体上进行了实验,将加速序列图像与不加速序列图像进行对比,结果验证了重建算法的有效性,表明该方法可以在保障图像质量以及准确测量心脏功能的前提下成倍节省扫描时间.     

三种降采样成像策略的性能优化以及与传统傅里叶望远镜的比较

为了获得成像质量较好且成像时间较少的新型傅里叶望远镜成像策略,本文比较了三种降采样成像策略(压缩感知方法 (CS)、低频全采样方法 (LF)和变密度随机采样方法 (VD))与传统傅里叶望远镜(FT)在图像质量和成像时间上的差异.分析方法如下:利用传统FT外场实验所获得的目标频谱数据作为基础,三种降采样方法 (LF, VD和CS)分别按照各自的采样模式和重构方法实现目标图像的重构;通过直观观察和Strehl比两种方法比较三种降采样方法与传统FT在图像质量上的差异;通过分析成像时间的组成要素,初步比较三种降采样方法与传统FT在成像时间上的差异.分析表明:1)压缩感知方法的图像质量优于其他两种降采样方法 (LF和VD),但略低于传统成像结果; 2)压缩感知方法在成像质量上略低于传统FT,但在成像时间上却明显小于传统FT; 3)分析中采用的外场数据均含噪声,这说明上述三种降采样重构过程对噪声有较好的鲁棒性.综合上述分析结果可以看出,基于压缩感知的傅里叶望远镜(CS-FT)是在实际含噪情况下可大幅减少成像时间的优良成像策略.     

基于数据采集卡和GPU的MRI信号接收设计

针对磁共振成像(Magnetic Resonance Imaging,MRI)的信号接收,提出一种基于高速数据采集卡和图形处理器(Graphic Processing Unit,GPU)的接收方法.采样每一行数据时,在谱仪输出触发脉冲的控制下,数据采集卡对前置放大器输出的信号进行直接采样.然后,使用GPU并行实现数字混频、多级滤波抽取和图像重建.GPU具有很高的运算速度,信号处理过程中可以根据需要灵活地实现滤波器的组合.同时,数据全部采用双精度浮点类型,保证了很高的运算精度,提高了重建图像的信噪比.MRI实验证明了该信号接收方法的可行性.     

不同采样模式的固体DQ-SQ实验的压缩感知重建比较

为了提高固体二维双量子-单量子(DQ-SQ)谱的采集速度,根据DQ-SQ谱的自稀疏性,该文使用了一种基于压缩感知技术的重建算法.其优化的能量函数是有限差分约束的l1范数,并使用不同的权重对水平和竖直方向的有限差分项进行约束.该文分别对伪随机采样、全随机采样和e指数采样等采样模式进行了比较,发现伪随机采样表现出最佳的重建结果.进一步研究发现伪随机的极限形式,即t1截尾(t1-cutoff)采样模式效果最佳.     

用于压缩感知磁共振成像的分割字典学习算法

字典学习算法可以根据数据本身的特点构建稀疏域中的基,从而使数据的表示更加稀疏.该文在传统的字典学习算法基础上提出了分割字典学习算法,由于部分磁共振图像组织结构简单、可以进行图像分割,因此可根据此特点来优化字典中基函数的构建,使磁共振图像的表达更为稀疏,从而获得更高的重建图像质量.该文利用模拟数据和真实数据进行了重建实验,结果表明与传统的字典学习算法相比,分割字典学习算法能进一步改善重建图像质量.     

旋转不变的非局域均值算法在磁共振图像去噪中的应用

磁共振成像（MRI）实验时常采用多次扫描累加平均提高图像信噪比（SNR）,但当扫描过程中运动引起图像变形时,简单地累加平均就无法奏效.为此,本研究组曾提出一种匹配加权平均方法（MWA）提高图像的信噪比.在此基础上,该文提出一种旋转不变的非局域均值算法（RINLM）,即选取圆形邻域区域并将其划分为一系列以中心像素为圆心的等面积圆环,再计算模式的相似性.RINLM算法可以更好地利用图像中旋转的冗余信息、找到更多的相似结构,提高算法的去噪性能.我们把该方法应用于低信噪比图像序列的平均和去噪中,可以更好地处理旋转的局部运动.与非局域均值算法（NLM）相比,RINLM算法可以进一步提高图像的信噪比;与MWA方法相比,其与RINLM算法的结合可以进一步提高磁共振图像序列信噪比,更好的保持图像边缘信息.     

光学低通滤波器的光学传递函数分析

光电成像系统的抽样过程会引起图像频谱在频谱空间上的多次复制,如果抽样过程不满足系统的奈奎斯特条件,相邻的频谱项就会产生混叠.光学传递函数可以反映系统中光学成像,抽样和重建等各个过程对图像信号频谱的响应.通过对使用光学低通滤波器(OLPF)光电成像系统的光学传递函数的分析,表明光学低通滤波器可以有效地限制图像的频谱宽度,使抽样满足奈奎斯特条件,达到消除频谱混叠,改善重建图像质量的目的.     

超短回波时间成像k空间轨迹失真的校正

超短回波时间(ultra-short echo-time,UTE)成像在科研和临床诊断上有着良好的应用前景,但是其k空间轨迹极易受到梯度涡流和梯度延时等因素的影响而产生失真,会严重影响磁共振图像重建的质量.该文分析了轨迹失真对UTE图像的影响,并提出了一种改进的轨迹失真校正方法.实验表明,该方法能够明显减轻UTE图像中轨迹失真的影响、改善图像质量,还可以降低UTE技术对磁共振成像(MRI)硬件系统性能的要求,有助于UTE方法的推广.     

Visually weighted reconstruction of compressive sensing MRI

Compressive sensing (CS) enables the reconstruction of a magnetic resonance (MR) image from undersampled data in k-space with relatively low-quality distortion when compared to the original image. In addition, CS allows the scan time to be significantly reduced. Along with a reduction in the computational overhead, we investigate an effective way to improve visual quality through the use of a weighted optimization algorithm for reconstruction after variable density random undersampling in the phase encoding direction over k-space. In contrast to conventional magnetic resonance imaging (MRI) reconstruction methods, the visual weight, in particular, the region of interest (ROI), is investigated here for quality improvement. In addition, we employ a wavelet transform to analyze the reconstructed image in the space domain and fully utilize data sparsity over the spatial and frequency domains. The visual weight is constructed by reflecting the perceptual characteristics of the human visual system (HVS), and then applied to ?₁ norm minimization, which gives priority to each coefficient during the reconstruction process. Using objective quality assessment metrics, it was found that an image reconstructed using the visual weight has higher local and global quality than those processed by conventional methods.     

基于近似l0范数最小化的NMR波谱稀疏重建算法

在核磁共振（NMR）波谱中,过长的数据采集时间会使很多化学以及分子生物学领域的高分辨率多维谱应用难以实现. 传统的解决办法是使用随机非均匀采样代替奈奎斯特采样,但这样会使谱图质量受损. 压缩传感的出现为此提供了更好的解决办法,合适的压缩传感重建算法可以通过很少的随机非均匀采样将谱图高质量的重建出来. 该文先介绍了一种可用于谱图重建的压缩传感重建算法,名为“平滑l₀范数最小化法”,然后针对该算法对采样噪声鲁棒性较差的缺点进行了改进. 通过将改进后的算法与原算法在一维实数域信号以及NMR波谱信号重建实验中进行对比后表明,改进后的算法对噪声的鲁棒性明显提高,并能获得更好的重建性能.     

Compressive imaging based on multi-scale modulation and reconstruction in spatial frequency domain

Imaging quality is a critical component of compressive imaging in real applications. In this study, we propose a compressive imaging method based on multi-scale modulation and reconstruction in the spatial frequency domain. Theoretical analysis and simulation show the relation between the measurement matrix resolution and compressive sensing(CS)imaging quality. The matrix design is improved to provide multi-scale modulations, followed by individual reconstruction of images of different spatial frequencies. Compared with traditional single-scale CS imaging, the multi-scale method provides high quality imaging in both high and low frequencies, and effectively decreases the overall reconstruction error.Experimental results confirm the feasibility of this technique, especially at low sampling rate. The method may thus be helpful in promoting the implementation of compressive imaging in real applications.     

一种基于时空变换和压缩感知的磁共振螺旋采样的图像重建算法

螺旋采样磁共振快速成像在功能性成像、并行成像和动态成像等领域发挥着越来越重要的作用.螺旋采样图像重建的传统算法是用核函数将螺旋状分布的k空间数据插值到均匀网格中,再利用傅里叶变换和最小二乘法进行重建.但是基于网格化的算法对核函数过于依赖,在网格化过程中产生难以避免的误差.该文提出了基于时空变换和压缩感知的l1范数的最优化模型和重建算法.时空变换矩阵描述了空间上的磁共振图像与采集到的时域信号间的关系,使得算法直接使用采集到的数据作为保真约束项,避免了网格化过程产生的误差.此外,基于图像处理单元的并行计算被用来提高时空变换矩阵的运算速度,使得算法具有较强的应用价值.     

Computational ghost imaging with deep compressed sensing

Computational ghost imaging (CGI) provides an elegant framework for indirect imaging, but its application has been restricted by low imaging performance. Herein, we propose a novel approach that significantly improves the imaging performance of CGI. In this scheme, we optimize the conventional CGI data processing algorithm by using a novel compressed sensing (CS) algorithm based on a deep convolution generative adversarial network (DCGAN). CS is used to process the data output by a conventional CGI device. The processed data are trained by a DCGAN to reconstruct the image. Qualitative and quantitative results show that this method significantly improves the quality of reconstructed images by jointly training a generator and the optimization process for reconstruction via meta-learning. Moreover, the background noise can be eliminated well by this method.     

选择性双向顺序压缩感知重建动态磁共振成像

压缩感知是一种新兴技术,该技术能够用远低于奈奎斯特采样频率采集的信号恢复出原始信号. 压缩感知成像方法大大提高了心脏磁共振成像的采集速度,已有的方法主要利用动态图像时间相关及心脏的周期性运动特征,如采用在时间维做傅立叶变换或求解每帧数据跟参考帧数据的差异获取稀疏数据,满足压缩感知重建的要求. 该文提出了选择性双向顺序压缩感知重建算法,利用相邻帧的差异更小的特点,获取更加稀疏的差异数据,同时利用动态图像的周期性,以目标函数积分为判据,在时间顺序和时间逆序两个方向选择效果更好的方向进行数据重建,降低图像伪影和噪声. 该选择算法,可以在不增加重建时间的情况下,选择双向顺序重建中最佳的结果. 该文对心脏磁共振图像数据进行了数据处理实验,并且跟传统压缩感知算法、参考帧差异方法及匙孔成像方法进行了比较. 结果表明：该方法无论从视觉效果还是从统计结果上,都有很大的改善.     

Structured sublinear compressive sensing via belief propagation

Compressive sensing (CS) is a sampling technique designed for reducing the complexity of sparse data acquisition. One of the major obstacles for practical deployment of CS techniques is the signal reconstruction time and the high storage cost of random sensing matrices. We propose a new structured compressive sensing scheme, based on codes of graphs, that allows for a joint design of structured sensing matrices and logarithmic-complexity reconstruction algorithms. The compressive sensing matrices can be shown to offer asymptotically optimal performance when used in combination with orthogonal matching pursuit (OMP) methods. For reduced-complexity greedy reconstruction schemes, we propose a new family of list-decoding belief propagation algorithms, as well as reinforced and multiple-basis belief propagation (BP) algorithms. Our simulation results indicate that reinforced BP CS schemes offer very good complexity–performance tradeoffs for very sparse signal vectors.