基于C^(++)语言的GRAPPA算法实现

对并行磁共振成像图像重建算法的工程实现进行了研究,采用C++语言创建了GRAPPA算法类。用成员函数的形式对GRAPPA算法中的关键步骤进行了封装,完成了重建系数的求解、拟合缺失的相位编码行、傅立叶重建等功能。调用GRAPPA类可以快速地重建出高质量的MRI图像,在图像重建领域为国内开发具有并行成像功能的超导MRI扫描仪提供了参考。

基于奇异值分解的改进GRAPPA算法研究

GRAPPA算法是临床上使用较多的并行磁共振成像算法。现有的GRAPPA算法对2倍降采样能够很好地避免卷褶伪影,但是对于3倍以及3倍以上的降采样重建效果欠佳。为此提出一种GRAPPA算法的改进方法以提高在高倍降采样情况下的图像重建质量,将并行成像重建过程引入奇异值分解法,降低矩阵条件数,提高最小二乘法拟合出超定方程组的稳定性。将仿真结果与原GRAPPA算法相比,发现此算法稳定性更好,在降采样倍数为3及以上时表现出更小的卷褶伪影,更低的噪声,更丰富图像细节;从运行时间看,该算法虽然理论复杂度增加,但由于对矩阵进行压缩使得计算时间下降,运行效率提高。

并行磁共振成像GRAPPA算法的C++语言实现

本文对并行磁共振成像的k空间域GRAPPA算法进行了研究,提出了一种用C++语言创建GRAPPA算法类的工程实现方法。该算法类首先读入k空间数据,计算线圈的空间灵敏度。然后求解空间每个线圈的谐波权重系数,对k空间未采样的数据进行拟合,最后对k空间数据进行IFFT重建得到图像。结果表明该方法可以更好地利用线圈的空间灵敏度信息,提高重构图像的质量,缩短数据扫描时间,是一种有效的图像重建算法。

基于SENSE和GRAPPA的并行磁共振图像重建算法

并行磁共振成像技术降低了采样时间,提高了成像速度和图像分辨率,但重建图像信噪比有所下降。为此提出了一种基于SENSE(Sensitivity Encoding)和GRAPPA(Gene Relized Autocalibrating Patially Parallel Acquisitions)的并行成像算法,降低由于减少采样行而造成的信噪比损失。在采集较少K空间中心自标定(ACS)行基础上,先用GRAPPA算法拟合出更多中心数据估计得到较为精确的线圈灵敏度,采用共轭梯度法进行图像重建,得到质量较好的重建图像,进而结合估计的线圈灵敏度进行交替迭代优化,计算出误差较小、分辨率较高的最终重建图像。采用了不同加速因子的人脑磁共振K空间欠采样数据以验证该算法的重建性能。仿真实验结果表明,该算法重建出的MR图像从视觉效果上和定量对比结果上都优于已有算法。尤其是在加速因子较大、采样行数较少时可以重建出质量更高的磁共振图像,具有更低的归一化均方误差和更高的信噪比(能提高22%)。新算法降低K空间采样行的同时,提高了并行磁共振重建图像信噪比并降低了噪声干扰。

并行磁共振成像GRAPPA-SENSE技术

并行磁共振成像技术已在MRI领域被广泛应用。本研究提出一种新的并行成像方法,命名为GRAPPA-SENSE。此法应用GRAPPA(generalized autocalibrating partially parallel acquisitions)算法内插出部分K空间中心未采集数据,生成更为精确的SC-SENSE(self-calibrating sensitivity encoding)重建算法所需的线圈敏感度函数。标准水模实验证明此方法可改善图像质量。

基于范数优化的并行磁共振成像算法

研究了并行磁共振成像图像重建的范数优化问题.首先,通过分析目前常用的2种并行磁共振成像重建算法——GRAPPA算法和SENSE算法,归纳出它们在重建过程中所用的动态数学模型,描述成形如矩阵方程Ax=b的形式;然后,将范数优化引入到重建算法中的建模及模型参数估计中,通过采用不同矩阵范数意义下的目标函数,即在不同的范数空间中重建图像,提高优化的自由度和算法设计的灵活性;最后,通过仿真对范数优化后的重建图像质量进行分析,说明不同范数优化对重建图像的影响,并探讨了范数优化中相关参数及优化目标函数的选择问题.

GRAPPA增强的SPACE RIP并行MRI重建算法

为加快磁共振(MRI)的采集速度,提高图像质量,提出了一种利用SPACE RIP算法和GRAPPA算法的并行磁共振(PMRI)成像算法。该方法提高了线圈敏感度值计算的准确性和未采集到采样间隔较小的相位编码行数据重建的精度。当加速因子较大时进行重建时,得到非均匀欠采样得到的数据。利用水模和仿真数据,验证了该算法的性能。结果表明:该算法噪声低,分辨率高,无明显混叠伪影。因此,该算法具有良好的图像重建质量性能;有利于临床诊断。