一种基于全变分正则化低秩稀疏分解的动态MRI重建方法

摘要：

针对应用迭代软阈值(IST)算法对基于低秩稀疏矩阵(L+S,low rank and sparse)分解模型的动态磁共振成像(MRI)图像进行重建存在重建精度一般和重建速度慢的问题,提出在矩阵L+S分解模型的基础上引入全变分(TV)正则项,达到进一步去噪声和去伪影,提高重建精度目的;利用非精确增广拉格朗日算法(IALM)达到快速重建的目的.通过对心脏灌注动态MRI成像和心电影MRI成像的仿真实验表明:对于L+S低秩稀疏矩阵分解模型的重建,IALM比IST算法速度更快,精度更高;模型引入TV正则项后再利用IALM重建,重建速度虽然比之前的IALM有所降低,但依然优于IST算法,并且重建精度高于之前的IALM.在L+S分解模型中引入TV正则项提高了MRI重建精度,运用IALM进行求解加快了重建速度,结合TV正则项和IALM达到了快速、高精度重建的目的.

关键词：压缩感知(CS)、低秩矩阵恢复、稀疏表示、动态磁共振成像(MRI)

所属期刊栏目：27

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省自然科学基金

在线出版日期：2016-04-21（万方平台首次上网日期，不代表论文的发表时间）

页码：87-96