基于稀疏表示的3D磁共振圖像超分辨率重建算法研究.pdf

1、磁共振成像（MRI，Magnetic resonance imaging）是一種無損傷、軟組織對比度高和多參數(shù)的成像方法，由于其獨特優(yōu)勢快速成為醫(yī)學診斷的主要工具之一。但MRI最大的缺點為掃描時間過長，病人無法長時間保持不動，導致產(chǎn)生運動偽影。為了縮短掃描時間，通常加大層厚，但獲得的3D-MR圖像為低分辨率，即層面選擇方向的分辨率遠遠低于層面內(nèi)方向的分辨率，導致體素為各向異性。這種低分辨率3D-MR圖像容易產(chǎn)生部分容積效應，限制后期對圖

2、像的處理、分析和疾病診斷等。因此，提高各向異性3D-MR圖像的分辨率是亟待解決的問題。超分辨率重建算法作為一種高效的圖像處理技術，在提高3D-MR圖像分辨率的同時，平衡了3D-MR圖像的分辨率、信噪比和掃描時間，比以增加掃描時間為代價直接獲取高分辨率臨床3D-MR圖像更具有優(yōu)越性。
　　本文針對單幅或多幅低分辨率3D-MR圖像超分辨率重建問題，創(chuàng)新性地提出了三種基于稀疏表示的超分辨率重建算法，目的是減小低分辨率3D-MR圖像的層厚

3、，去除部分容積效應，重建高分辨3D-MR圖像。本文主要的創(chuàng)新性研究成果如下：
　?、偬岢隽嘶诳鐚用娣较蜃值鋵W習的單幅3D-MR圖像超分辨率重建算法（cpSFSR, Cross Plane direction dictionary learning based Single Frame Super Resolution reconstruction algorithm）。cpSFSR算法利用3D-MR圖像跨層面方向的自相似性，提取

4、層面內(nèi)方向的高分辨率層面作為訓練集合學習字典；再根據(jù)得到的過完備字典提高層面選擇方向的分辨率，從而獲得高分辨率3D-MR圖像。cpSFSR算法解決了傳統(tǒng)基于稀疏表示的超分辨率重建算法對額外訓練集合的依賴問題，同時解決了過完備字典的魯棒性和重建精度平衡問題。模擬數(shù)據(jù)和臨床數(shù)據(jù)實驗結果表明，與傳統(tǒng)的插值算法相比，cpSFSR算法重建圖像的峰值信噪比（PSNR，Peak Signal-to-Noise Ratio）和基于結構的相似度（SSIM

5、，Structural SIMilarity）更高，重建圖像更清晰。與非局部均值算法比較，在模擬數(shù)據(jù)的實驗中，當重建尺度較小時，cpSFSR算法重建圖像的PSNR值與SSIM值略低于非局部均值算法；但在臨床數(shù)據(jù)的實驗中，cpSFSR算法能夠取得與非局部均值算法基本相似的重建效果，同時有效地減少了時間復雜度和空間復雜度。
　?、谔岢隽嘶诙嗄B(tài)先驗的單幅3D-MR圖像超分辨率重建算法(mmSFSR，Multi-Modality MR

6、 images based Single Frame Super Resolution algorithm)。利用T1加權像和T2加權像的互補性，將同一對象的T1加權像的先驗知識引入到低分辨率T2加權像的超分辨率重建過程中。為了同時利用T1加權像的先驗知識和T2加權像自身的特征，本文構建了基于稀疏表示和非局部自相似性的多約束超分辨率重建優(yōu)化模型，并提出了mmSFSR算法對其求解。模擬數(shù)據(jù)和臨床數(shù)據(jù)實驗結果表明，與傳統(tǒng)插值算法、cpSFS

7、R算法和基于多模態(tài)先驗的非局部均值算法比較， mmSFSR算法重建圖像的PSNR和SSIM值最高，同時通過主觀觀察和分析剖面像素值分布表明重建圖像質(zhì)量更好。
　　③提出了基于正交3D-MR圖像的多幅圖像超分辨率重建算法（oMFSR，Orthogonal3D-MR images based Multi-Frames Super Resolution reconstruction algorithm）。利用同一對象的多幅正交3D-MR

8、圖像的互相關性和自相似性，提出了基于稀疏表示的超分辨率重建算法。oMFSR算法首次利用稀疏表示的思想求解多幅3D-MR圖像的超分辨率重建問題，同時不需要額外的訓練集合。oMFSR算法主要包括三個步驟：基于稀疏表示的重建步驟，基于小波分解的圖像融合步驟和基于反向投影誤差的全局優(yōu)化步驟。模擬數(shù)據(jù)和臨床數(shù)據(jù)實驗結果表明，與單幅3D-MR圖像超分辨率重建算法相比，oMFSR算法雖然時間復雜度相對較高，但融合了多幅低分辨率3D-MR圖像的細節(jié)信息