基于非局部均值濾波的動(dòng)態(tài)磁共振重建方法研究.pdf

1、磁共振成像(Magnetic Resonance Imaging)是一種基于核磁共振現(xiàn)象的斷層及立體成像技術(shù),相對(duì)于其他的成像技術(shù)如x線,CT(Computed Tomographyl)和超聲等具有無(wú)可替代的優(yōu)點(diǎn),在臨床上已經(jīng)得到廣泛的應(yīng)用。尤其是近年來(lái)的動(dòng)態(tài)磁共振成像,更是成為前沿科學(xué)引人注目的研究熱點(diǎn)。動(dòng)態(tài)磁共振能夠?qū)﹄S時(shí)間變化的生物現(xiàn)象進(jìn)行整體全方位動(dòng)態(tài)監(jiān)測(cè),在臨床應(yīng)用和科學(xué)研究中產(chǎn)生廣泛和深遠(yuǎn)的影響。
　　 為了更好地捕

2、捉到成像物體的動(dòng)態(tài)信息,對(duì)動(dòng)態(tài)成像技術(shù)提出了快速掃描的要求。然而由于磁共振的信號(hào)采集本身就是一個(gè)非常耗時(shí)的過(guò)程,再加上動(dòng)態(tài)成像往往是在同一時(shí)刻要對(duì)多個(gè)層面同時(shí)采集,所需的k空間數(shù)據(jù)采集時(shí)間就更長(zhǎng)了。信號(hào)采集時(shí)間過(guò)長(zhǎng)一方面不利于動(dòng)態(tài)信息的捕捉,另一方面病人的自主性或非自主性運(yùn)動(dòng)會(huì)在最終的重建結(jié)果中產(chǎn)生偽影,因此如何縮短成像時(shí)間成為眾多學(xué)者研究的熱點(diǎn)。現(xiàn)階段可以通過(guò)硬件的改進(jìn)和部分k空間信號(hào)的采集來(lái)縮短信號(hào)的采集時(shí)間。由于硬件的改進(jìn)(主要是

3、通過(guò)加快梯度磁場(chǎng)的切換速率)受到物理的和生理上的限制,使得部分k空間采集成為減少采集時(shí)間的主要手段。但如果直接用所采集的少量信號(hào)重建出來(lái)的圖像是很模糊的,有大量的偽影,甚至是雜亂不堪的圖像。為了保持圖像的時(shí)間分辨率和空間分辨率,出現(xiàn)了不少成像算法研究如何利用動(dòng)態(tài)采集的少量的部分k空間數(shù)據(jù)來(lái)重建出動(dòng)態(tài)序列圖。
　　 本文先對(duì)現(xiàn)有的多種應(yīng)用廣泛的快速成像方法進(jìn)行了分析,主要有:1、并行磁共振成像類的方法,用多個(gè)線圈同時(shí)接收部分相位編

4、碼上的信號(hào),再利用線圈敏感度或k空間信號(hào)之間的線性關(guān)系來(lái)重建出缺失的信號(hào)；2、View sharing類的方法,根據(jù)一定先驗(yàn)信息每幀只采集少量數(shù)據(jù),其他缺失的信號(hào)就用鄰近幀的或者預(yù)先采集好的信號(hào)來(lái)替代；3、稀疏數(shù)據(jù)重建方法,如CS,k-t SENSE和HYPR。然后針對(duì)動(dòng)態(tài)磁共振成像采樣的特點(diǎn)(稀疏性,非笛卡爾采樣方式),結(jié)合原有的一些優(yōu)秀的快速成像技術(shù),如并行成像,非笛卡爾軌跡采集方式和網(wǎng)格化算法等,與本文提出的動(dòng)態(tài)成像方法一起實(shí)現(xiàn)動(dòng)

5、態(tài)磁共振成像的重建工作。
　　 充分利用所有的采集數(shù)據(jù)來(lái)協(xié)助每一幀稀疏采集的動(dòng)態(tài)圖像的重建,在這一思想的指導(dǎo)下,本文提出了一種可同時(shí)獲得良好的空間與時(shí)間分辨率的,基于non-local均值濾波器的動(dòng)態(tài)圖像重建方法。該方法無(wú)需迭代也,對(duì)難以精確獲得的線圈敏感度沒(méi)有任何要求,并且適用于任意軌跡。本文將這一方法命名為MNLM(Modified Non-Local Means)。MNLM是一種基于non-local濾波器的動(dòng)態(tài)磁共振重建

6、算法,該算法先用簡(jiǎn)單的方法(包括在時(shí)間方向上的滑動(dòng)窗函數(shù),sliding-window和網(wǎng)格化,Gridding算法)分別重建出一幅具有高時(shí)間分辨率但因信號(hào)不足因而包含大量偽影的圖像,和另一幅具有高空間分辨率但時(shí)間分辨率不足的圖像,然后以non-local濾波器為工具,尋找兩幅圖像的相似結(jié)構(gòu)并將相似程度量化得到權(quán)重因子,最后用權(quán)重因子將兩幅圖像結(jié)合,得到我們想要的時(shí)間分辨率和空間分辨率兼具的圖像。另外針對(duì)本文算法提出的non-local