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。

基于鲁棒估计的并行磁共振成像中部分数据重建算法

部分傅立叶数据重建和多通道并行成像是两种有效的磁共振快速成像技术,两种技术都是通过减少梯度编码步数来缩短数据获取时间.结合技术相比于单项技术可以更加有效地提高扫描速度.但是,由于在部分数据恢复过程中由于共轭对称性的破坏会产生破坏数据并且带来相位偏移,使得在之后进行的并行重建过程产生误差,造成重建图像产生伪影.文中提出了一种新的约束重建算法去消除重建图像中产生的伪影.算法应用AM鲁棒估计的框架对破坏数据进行数据修正,很好地抑制了异常值对数据集造成的影响.实验结果显示文中算法达到了优质快速成像的目的,更具有实用性.

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.

一种并行磁共振成像伪影消除方法

多线圈采集技术与并行成像算法通过降低磁共振成像所必需的梯度编码步数有效提高了成像的扫描速度。但是在数据采集过程中,运动常常会使线圈数据发生异常,从而对最终重建图像质量产生很大影响。本文提出了一种新的重建算法去消除重建图像中产生的伪影。算法把破坏数据看成观测数据样本中的异常值,应用了AM鲁棒估计进行数据修正,很好的抑制了异常值对数据集造成的影响。本研究分别对多线圈并行采集的体模数据与真实脑部数据进行了实验,结果显示算法可以有效消除破坏数据在重建图像中产生的伪影,并通过对比实验充分显示了本算法的优越性。

脑力驱动残疾人轮椅与脑电波图像显示设计

结合嵌入式系统和脑-机接口技术,构建脑力驱动残疾人轮椅系统。首先利用脑电信号(EEG信号)的采集芯片装置TGAM对脑电信号进行采集;其次通过蓝牙模块将TGAM和计算机相连接,将采集到的脑波原始数据传输到计算机上,利用e Sense算法将脑电数据进行量化;然后再通过蓝牙无线连接到Arduino轮椅控制平台,通过I/O控制口实现脑力对轮椅的控制;最后提出采用多语言混合编程的方法实现脑电信号的图像显示,相比单一语言编程的图像显示,多语言混合编程法更好地显示了脑电信号的三维图像。