压缩感知理论借助信号内在的稀疏性或可压缩性,利用随机投影实现在远低于奈奎斯特频率的采样频率下对压缩数据进行采集。将该技术应用于医学成像领域可以加快MRI/MRA的扫描速度,提高扫描效率,减少患者的不适感。以NLTV(Nonlocal Total V...压缩感知理论借助信号内在的稀疏性或可压缩性,利用随机投影实现在远低于奈奎斯特频率的采样频率下对压缩数据进行采集。将该技术应用于医学成像领域可以加快MRI/MRA的扫描速度,提高扫描效率,减少患者的不适感。以NLTV(Nonlocal Total Variation)正则化来改善传统TV导致的边缘模糊、阶梯效应等缺点,提出改进的NESTA算法(简称NLTV-ROI-NESTA算法)实现MRI/MRA图像感兴趣区域(Region of Interests,ROIs)的精确重构,增强低对比度血管的细节信息,以峰值信噪比、结构化相似度、相对误差3个指标来定性、定量地评价算法的性能。实验结果表明,与传统的压缩感知重构算法相比,NLTV-ROI-NESTA算法在重构精度和细节保留方面均具有明显优势,能较好地保持低对比度血管或其他感兴趣区域的细节特征,在快速医学成像领域具有广阔的应用前景。展开更多
文摘压缩感知理论借助信号内在的稀疏性或可压缩性,利用随机投影实现在远低于奈奎斯特频率的采样频率下对压缩数据进行采集。将该技术应用于医学成像领域可以加快MRI/MRA的扫描速度,提高扫描效率,减少患者的不适感。以NLTV(Nonlocal Total Variation)正则化来改善传统TV导致的边缘模糊、阶梯效应等缺点,提出改进的NESTA算法(简称NLTV-ROI-NESTA算法)实现MRI/MRA图像感兴趣区域(Region of Interests,ROIs)的精确重构,增强低对比度血管的细节信息,以峰值信噪比、结构化相似度、相对误差3个指标来定性、定量地评价算法的性能。实验结果表明,与传统的压缩感知重构算法相比,NLTV-ROI-NESTA算法在重构精度和细节保留方面均具有明显优势,能较好地保持低对比度血管或其他感兴趣区域的细节特征,在快速医学成像领域具有广阔的应用前景。
