基于自適應字典學習的醫(yī)學圖像重建算法研究.pdf

1、醫(yī)學影像成像技術作為一種非侵入方式的醫(yī)學診斷參考依據，在現(xiàn)代醫(yī)學中起著越來越重要的作用。但是主流的醫(yī)學影像成像系統(tǒng)都存在著一定的不足，如：MRI數據掃描時間長且容易受運動偽影影響，CT對患者有一定的輻射傷害等。如何在減少數據采集量的同時實現(xiàn)高質量圖像重建是目前醫(yī)學影像領域研究的重點，本文圍繞壓縮感知理論中兩種字典學習模型以及自適應醫(yī)學圖像重建算法展開研究，具體研究內容如下：
　　首先，針對正交字典中字典原子不相關性大能夠提高圖像稀

2、疏編碼性能的特點，提出一種基于自適應正交字典學習的醫(yī)學圖像重建算法。該算法在正交字典學習過程中采用SVD方法求解，大大降低了算法的計算復雜度，提高了重建速度，同時實現(xiàn)了較好的圖像重建效果。
　　其次，考慮解析字典相比于綜合字典在相同維數時對圖像的稀疏表示能力更強，更為靈活的特點，基于自適應緊標架學習，提出一種基于自適應緊標架學習的醫(yī)學圖像重建算法。該算法能夠僅通過欠采樣的測量值實現(xiàn)緊標架學習和圖像重建。緊標架學習在稀疏編碼步驟中利

3、用簡單的閾值方法進行處理，因此該算法的運行時間少于基于冗余綜合字典的CSMRI算法。此外，自適應緊標架能夠充分地捕獲圖像的細節(jié)信息，基于自適應緊標架學習的醫(yī)學圖像重建算法的圖像重建質量較之前算法得到明顯提高。
　　最后，針對醫(yī)學圖像尤其是MRI圖像在數據掃描過程中容易受到運動偽影影響，通過分析運動偽影產生的原理，針對性的提出一種基于自適應緊標架學習的相位校正醫(yī)學圖像重建算法。該算法對加性噪聲和相位噪聲有較強的魯棒性，能夠對運動偽影