基于SENSE的并行磁共振成像關鍵技術研究.pdf

1、并行磁共振成像技術采用多個接收線圈陣列同時采集數據，對K空間數據進行欠采樣，大幅度縮短了磁共振掃描時間，提高了成像速度。常見的重建算法主要是GRAPPA和SENSE兩類，其中，GRAPPA是基于K空間的重建算法，而SENSE是基于圖像域上的重建算法。本文對GRAPPA和SENSE及其典型衍生型算法進行研究，提出了一種將非線性GRAPPA與SENSE相結合的并行磁共振成像算法，并且對其進行評價和比較。另外本文對壓縮感知理論及其在磁共振成像

2、領域中應用進行研究，結合快速復合分裂算法FCSA，基于多種采樣軌跡條件下，提出了一種基于稀疏約束的SENSE并行磁共振成像重建方法。主要研究成果如下:
　　(1)本文提出一種基于GRAPPA和SENSE兩類算法的混合算法。首先通過非線性GRAPPA重建算法計算獲取并行線圈中未被采集的數據，再利用歸一化方法得到并行線圈的敏感度分布，然后將利用SENSE重建框架進行磁共振圖像重建，將這種混合算法應用于數據欠采樣的腦磁共振圖像。重建實驗

3、結果表明:相比單一的非線性GRAPPA和SENSE重建算法，這種混合的并行磁共振成像重建算法能夠在加速因子較大時，可重建出更加準確的圖像，并且具有更低的噪聲功率和更高的信噪比性能。
　　(2)本文基于稀疏約束，提出了一種新的SENSE磁共振成像算法，該算法將并行磁共振成像與壓縮感知磁共振成像結合起來，能夠從欠采樣的K空間數據有效的重建磁共振圖像?；谙∈杓s束的SENSE重建算法，包含了全變差分正則化項和L1范數正則化項，由于這兩個

4、正則化約束項的非平滑性，從而導致磁共振圖像重建過程中的優(yōu)化問題難以解決，最終影響的重建圖像的質量。本文利用快速復合分裂算法FCSA(FastCompositeSplittingAlgorithm，FCSA)將重建中的優(yōu)化問題分解為多個子問題，再對子問題逐個求解，解決了正則化約束項的非平滑性的問題。在本文中，利用FCSA算法對不同加速因子、不同欠采樣模式的腦部磁共振圖像進行重建。實驗結果表明，相比于最新典型的非線性共軛梯度NLCG算法，本