基于张量低秩稀疏分解与运动校正的动态心脏磁共振快速成像方法研究

Rapid imaging method is one of the hot topics in the recent research on the dynamic Cardiac Magnetic Resonance Imaging (dCMRI). The main problems existing in the process of dCMRI can be concluded as long scanning duration, slow imaging speed and the motion artifact. Concerning these problems, this research project proposes the sparse and low-rank tensor decomposition based method to accelerate the dCMRI by integrating the time and space sparsity of dCMRI, the data redundancy of the multi-coil parallel imaging and the motion artifact correction method. The aim of the research project is to explore an effective way to undersample the K-sapce data of dCMRI, and to investigate the optimal regularization terms in the reconstruction model, the cardiac motion estimation method and the rapid reconstruction algorithm, so as to accelerate the reconstruction quality of dCMRI greatly. The key research contents mainly include: (1) Exploring a hybrid undersampling method by integrating a variable destiny Cartesian k-space under-sampling trajectory with golden angle radial under-sampling trajectory; (2) Decomposing the tensor of dCMRI into background tensor (with low rank property) and motion tensor (with sparse property), which can be used as low rank constraint and sparsity constraint of the dCMRI reconstruction model; (3) Investigating the cardiac motion estimation method through the background tensor to reduce the motion artifact, and using the motion correction method to implement fast reconstruction method of dCMRI; (4) Employing the proposed dCMRI reconstruction method to reconstruct the Delayed-Enhancement Magnetic Resonance Imaging (DE-MRI), and using the reconstructed DE-MRI to undertake the quantitative assessment of atrial fibrosis.

快速成像是动态心脏磁共振成像研究的热点问题之一。针对动态心脏磁共振成像存在扫描时间长、成像速度慢、受运动伪影干扰的问题，本项目结合动态心脏磁共振成像时空稀疏性、并行成像多线圈之间的数据冗余性、以及运动校正方法，研究基于张量低秩稀疏分解与运动校正的动态心脏磁共振快速成像方法。本项目研究旨在探索动态心脏磁共振k空间数据有效欠采样方法、张量低秩稀疏约束、心脏运动估计以及快速重构算法，实现动态心脏磁共振的快速成像。研究的主要内容包括：①研究结合可变密度笛卡尔采样与黄金比例夹角径向采样的混合欠采样模式；②研究基于张量低秩稀疏分解的心脏磁共振成像问题中的低秩稀疏性约束，实现低秩性的背景张量和稀疏性的动态变化张量分离；③对低秩背景张量进行心脏运动矢量估计，实现心脏运动伪影校正，并将其应用于心脏磁共振的快速重构算法研究；④利用本项目研究的快速成像方法重构延迟增强心脏磁共振图像，实现心肌纤维化定量分析。

快速成像是动态心脏磁共振成像研究的热点问题之一。针对动态心脏磁共振成像存在扫描时间长、成像速度慢、受运动伪影干扰的问题，探究基于张量低秩稀疏分解与运动校正的动态心脏磁共振快速成像方法。本项目主要研究内容包括：(1)基于低秩稀疏约束的磁共振快速成像方法研究；(2)基于张量低秩稀疏分解的磁共振快速成像方法；(3)基于生成对抗网络的磁共振快速成像方法。本项目研究的主要成果为：(1)提出基于多尺度低秩模型、简单线性迭代聚类超像元分割的群稀疏约束方法、基于张量积复小波紧框架稀疏表示等磁共振图像低秩稀疏约束方法，以及基于加权Schatten p范数最小化的磁共振图像重构算法，能有效提高磁共振成像的速度和精度；(2)提出基于改进鲁棒张量主成分分析的低秩稀疏张量分解方法、以及基于自适应序列截断高阶奇异值分解的动态磁共振图像重建算法，将高维磁共振图像重建问题分解为低秩张量加稀疏张量两子部分恢复问题，使用迭代软阈值收缩算法来解决优化问题，可以快速实现3D和4D动态磁共振图像快速重构；(3)提出了一种基于微调Wasserstein生成对抗网络的磁共振图像重构算法，结合梯度惩罚的方法提高训练速度，解决基于WGAN的磁共振图像重构中网络收敛缓慢的问题，利用注意力权重矩阵解释生成模型在决策过程中感兴趣的区域，在图像重构质量和稳定性上有明显提升，可以重构出更好的组织结构和局部细节。本项目研究实现对动态心脏磁共振k空间数据有效欠采样方法，减少磁共振K空间采样数据，缩短磁共振成像扫描时间；在高欠采样条件下，实现动态磁共振成像的速度和精度，提高磁共振设备的工作效率。