面向时间不耐受患者的脑MRI图像超分辨率算法研究

How to perform effectively magnetic resonance imaging (MRI) for the patients with imaging time constraint is an open and critical problem in both theoretical research and clinical cases. This proposal attempts to solve brain MRI of the patients with imaging time constraint via performing several times of individual rapid MRI scans to obtain some low-resolution slice image sequences, and then designing super resolution algorithms to reconstruct a high-resolution slice image sequence..The research includes four aspects: (1) Super resolution enhancement based on several low-resolution slice images with the same set of imaging parameters; (2) Super resolution enhancement based on several low-resolution slice images with different sets of imaging parameters; (3) Given a low-resolution slice image sequence with a certain set of imaging parameters, performing super resolution for those low-resolution slice image sequences with other different sets of imaging parameters; and (4) Reducing slice thickness and realizing super resolution in the slice-select direction..The proposal will design iterative back projection algorithms based on self-adaptive kernel regression, and specific self-adaptive regularization super resolution algorithms to utilize the same information on sketch, edge, and texture from multiple images of the same slice..The project will develop a software prototype of brain MRI super resolution for the patients with imaging time constraint to provide technical support for disease diagnosis.

如何对时间不耐受患者进行有效的磁共振成像，是当前理论研究与实际临床中面临的难题。本项目面向脑部磁共振成像，提出对时间不耐受患者进行多次有间歇的快速扫描，得到多个分辨率较低的切片图像序列，分析与设计特定的超分辨率算法，重建出分辨率较高的切片图像序列。.研究内容包括四个方面：(1) 基于同组成像参数下的多个低分辨率切片图像的超分辨率重建；(2) 基于不同组成像参数下的多个低分辨率切片图像的超分辨率重建；(3) 在给定一组高分辨率切片图像序列的情况下，对其它不同组成像参数下的低分辨率切片图像序列进行超分辨率重建；(4) 降低切片层厚，实现切片选择方向的超分辨率。.在算法上拟提出基于自适应核回归的迭代反投影方法，以及特定的自适应正则化超分辨率算法，以充分利用同层切片的不同成像所共有的轮廓、边缘以及纹理等信息。.最终将实现脑部磁共振成像的超分辨率软件原型，为医生对疾病的诊断提供技术支持。

从技术上对时间不耐受患者有效地实现快速磁共振成像，具有重要的临床意义。. 本项目主要面向脑部磁共振成像，从磁共振快速成像、超分辨率重建、图像去噪与去伪影、模式识别与医疗诊断四个方面进行了研究。主要研究成果如下：. 1、磁共振快速成像：(1) 提出快速Contourlet迭代阈值算法，该方法首次将Contourlet稀疏变换与快速迭代阈值算法相结合来解决压缩感知MRI (CS-MRI)问题； (2) 提出泛化的快速合成分裂算法IFCSA，基于该算法对全变分、小波变换、Curvelet和Contourlet四种稀疏变换的所有组合（15种）进行了实验，旨在探索IFCSA框架下最优的稀疏变换组合；(3) 提出了基于双树小波变换的FCSA算法、基于双树小波的组合MRI和基于Contourlet的组合MRI；(4) 提出了一种新的快速组合MRI框架，对于全部的采样数据，快速组合MRI利用有效的CS重建方法进行重建，而对于用来进行相位校正的对称低频部分数据，快速组合MRI采用直接填零逆傅里叶变换进行重建。. 2、超分辨率重建：(1) 对于每一组给定的成像参数，有间歇地快速生成多个分辨率较低的MRI横断面切片序列，分析与设计超分辨率算法，利用每个切片在不同序列中的多个成像，对该切片重建出一幅高分辨率的图像；(2) 在切片选择方向上，设计了超分辨率算法去降低切片层厚，重建出冠状面与矢状面上高分辨率切片图像；(3) 提出了若干超分辨率实现方法。. 3、图像去噪与去伪影：(1) 提出了一种将具有旋转不变性的量度Q引入针对MRI图像去噪的NLM方法；(2) 提出了几种采用L_0范数对CT图像去除环形伪影的方法。. 4、模式识别与医疗诊断：(1) 提出了一种基于学习的核子空间特征快速提取方法；(2) 提出了两种稀疏集成学习算法，分别基于稀疏表示理论和支持向量域描述理论，对集成模型进行修剪。. 实现了脑部磁共振成像的超分辨率软件原型，为医生对疾病的诊断提供技术支持。