基于压缩感知的高时间分辨率人活体心脏扩散张量成像技术研究

Diffusion tensor magnetic resonance imaging (DTI) provides a novel and important means for investigating the human cardiac fiber structure in vivo and exploring some cardiac diseases noninvasively. Long acquisition time and sensitive to the motion are two main limits of DTI for investigating the in vivo heart. To solve these problems, this project proposes to optimize the sparse sampling method for reducing the acquisition time, and then to reconstruct the high-quality diffusion weighted images using an improved approach from these sparse data. The new sampling scheme and novel reconstruction method will realize the fast imaging of in vivo human heart with a high temporal resolution. The main contents include: (1) based on the compress sensing theory and the characteristics of the diffusion weighted images, designing the sparse sampling scheme of k-space data; (2) combining the diffusion directions, sampling repetitions and diffusion signal sets obtained from a series of undersampling of k-space data to promote further the imaging speed; (3) on the basis of low rank of non-local image patches and the constraint of total generalized variation, investigating the reconstruction method of diffusion weighted images from undersampling k-sapce data; (4) In view of the spatial-directional-temporal dictionary learning and the low-rank constraint of tensors of diffusion weighted images, investigating the high temporal resolution and high quality reconstruction method of degraded diffusion images. This project will provide a novel mean for describing accurately in vivo human cardiac fiber architecture and exploring the cardiac diseases and establish foundation for the clinical application of cardiac DTI.

磁共振扩散张量成像为无损探测活体心肌纤维结构及心肌疾病早期诊断提供了新的途径和重要手段。成像速度慢，易受运动影响是该技术用于人活体心脏的瓶颈问题。本项目拟通过优化扩散信号采集方案，缩短数据采集时间；研究稀疏降质数据的磁共振扩散图像高质量重建方法，实现人活体心脏高时间分辨率快速扩散张量成像。主要内容包括：(1) 结合压缩感知理论和磁共振扩散图像的特点，设计适合于人心脏的扩散信号k空间稀疏采样方案；(2) 联合扩散方向、重复采集与k空间稀疏采样的扩散信号采集组合加速分配方案优化；(3) 基于非局部图像块低秩与广义全变分约束，研究k空间稀疏采样下的扩散图像准确重建方法；(4) 基于扩散图像空间-方向-时间字典学习和张量低秩约束，研究降质扩散图像高时间分辨率高质量重建方法。本项目的实施为自由呼吸状态下人活体心脏心肌纤维结构的准确描述和动态分析提供科学的技术手段，为活体心脏DTI的临床应用奠定基础。

磁共振扩散张量成像为无损探测活体心肌纤维结构及心肌疾病早期诊断提供了新的途径和重要手段。成像速度慢，易受运动影响是该技术应用于人活体心脏磁共振扩散成像的瓶颈问题。压缩感知理论突破了传统采样的限制，为实现快速高质量磁共振扩散张量成像提供了新的解决方案。然而，传统的k空间欠采样方案和重建方法并未充分考虑心脏磁共振扩散张量成像的特点，难以实现高稀疏采样和高质量重建。本项目设计了基于压缩感知的心脏磁共振扩散信号稀疏采样方案，研究了k空间稀疏采样下的心脏磁共振扩散图像重建方法；研究了基于低秩张量填充的多时刻、多方向心脏磁共振扩散信号重建方法。通过本项目的研究目前已取得如下成果：（1）设计了一种随机扰动黄金角度径向k空间欠采样方案，对比分析了几种径向采样方案对心脏磁共振扩散图像和扩散张量计算的影响，实验验证了所提出方案的有效性；（2）提出了基于局部图像块低秩与3D全变分约束、非局部3D图像块低秩约束的k空间欠采样磁共振扩散图像重建方法；提出了基于局部低秩矩阵分解和稀疏约束的磁共振扩散图像重建方法，实验验证了所提出方法的有效性和准确性；（3）提出了两种基于压缩感知的磁共振图像重建方法，即基于数据驱动紧框架和广义全变分约束的CS-MRI重建模型和结合多稀疏约束的CS-MRI重建方法。本项目的研究能够实现心脏磁共振扩散信号低采样率下的高质量重建，为实现自由呼吸状态下人活体心脏磁共振扩散张量成像提供技术手段，为心脏扩散张量成像的临床应用奠定基础。