集成已知部分支集压缩感知和并行成像的动态对比增强磁共振成像重建方法研究

动态对比增强磁共振成像（DCE-MRI）是用于多种重大疾病诊断的一项关键技术，现有方法受到成像速度和空间分辨率的限制，难以满足临床动态观察的需求。本项目拟集成分别属于信号处理领域和医学影像领域的压缩感知和并行成像理论，解决DCE-MRI时间和空间分辨率不足的瓶颈问题。本项目将以误差传导为主线分析压缩感知和并行成像集成时的相互作用机理，确定DCE-MRI应用背景下两者的耦合模型；基于自适应学习机制探讨DCE-MRI图像序列的最优稀疏性表达方法；提出基于混合范数最小化的压缩感知约束模型；研究已知部分支集压缩感知理论在DCE-MRI中的应用机制，形成已知部分支集压缩感知和并行成像集成的DCE-MRI重建方法。项目将充实磁共振动态成像技术，同时丰富压缩感知理论。项目的研究成果对于显著提高DCE-MRI的时间和空间分辨率，促进该项技术在临床诊疗的高级应用将起到直接的推动作用。

（一）研究内容完成情况 1．研究压缩感知和并行成像集成的耦合模型，并引入广义级数模型，提出READ-PICS方法。该方法能有效提高压缩感知理论所要求的信号稀疏性，改善并行成像系统的病态条件，具有更好的细节恢复和噪声抑制能力。该研究成果已发表于国际磁共振领域一流期刊Magnetic Resonance in Medicine。2．磁共振图像的稀疏性是压缩感知磁共振成像的关键。项目组提出在标准梯度域内使用字典学习的方法（GradDLRec），进一步提高目标图像的稀疏性，改善重建图像的质量。相关研究成果已于国际图像处理领域一流期刊IEEE Transactions on Image Processing发表。3．将PCA 变换和字典学习相结合，以获取磁共振动态图像序列沿时间轴方向的稀疏表示，进而实现稀疏重建。该方法(PANDA)较传统快速成像方法能恢复动态参数图更多的细节信息。该研究成果已发表于国际磁共振领域一流期刊Magnetic Resonance in Medicine。4．采用向前向后算子分裂方法Barzilai-Borwein加速技术，提出了两种快速求解SP-MRI问题的方法（FBOSS 与FBOSP）。该算法的快速运算能力不依赖于算子矩阵的特殊性质，适用于更为一般的情况。实验结果表明，该算法在保证同等重建质量的情况下具有更快的计算特性。期刊论文正在撰写中。5．提出一种鲁棒的DCE-MRI 欠采样轨迹设计方法。该方法仅对K空间高频区域采用变密度随机采样，以保证相关动力学参数对随机采样密度函数相对稳定。该研究成果已于2013 IEEE EMBC年会口头发表，并被国际期刊Journal of Electronic Imaging接收。6．同时实现高空间和高时间分辨率是制约DCE-MRI临床应用的瓶颈问题。项目组将已知部分支集压缩感知理论用于DCE-MRI的欠采样重建，利用x-f 空间的支集信息，进一步约束图像函数的求解。该方法明显优于已提出的快速成像方法—sliding window(SW)方法，在成像质量与全采样图像相差无几的前提下，扫描时间可以加速为原来的6.3倍。研究成果已发表于2012年ISMRM年会上。（二）论文和专利 在项目组全体成员的不懈努力下，本项目所有预期目标圆满完成，累计发表国际期刊论文7篇、国际会议文章5篇，申请发明专利4项。