基于正则化迭代的并行磁共振图像重建算法  

Regularized Parallel MRI Using Conjugate Gradient Iterations

作　　者：陈蓝钰 常严[1] 王雷[1,2,3] 杨晓冬[1,3] 

机构地区：[1]中国科学院苏州生物医学工程技术研究所医学影像室,江苏苏州215163 [2]中国科学院长春光学精密机械与物理研究所,长春130033 [3]中国科学院大学,北京101408

出　　处：《计算机测量与控制》2015年第12期4177-4179,共3页Computer Measurement &Control

基　　金：国家自然科学基金(11105096);江苏省自然科学基金(BK20131171);苏州市科技项目(SYG201425)

摘　　要：为了解决并行磁共振成像过程的病态性和图像信噪比下降问题,降低重建过程中噪声放大和异常值的干扰造成的图像信噪比的损失,提出了一种基于正则化共轭梯度迭代的并行磁共振成像重建算法;该算法基于最小二乘理论,引入正则化,优化方程,进而进行迭代重建;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,仿真结果表明了该算法相较于最小二乘法,能较大限度地降低噪声对重建结果的干扰,具有信噪比更高、误差更小、成像效果更好等特征;重建图像质量得到了较好的改善,对临床诊断更具有适用性。To solve the ill--posed problem and the decline of the signal--to--noise ratio （SNR） in parallel imaging, this paper presented a new re- constructed algorithm-- --ReCG （Regularized reconstruction using Conjugate Gradient iterations）, which was developed to reduce the SNR loss clue to the noise amplification in parallel imaging; ReCG is based on least squares, introduce regularization to optimize the reconstruction equation, and then propose CG iterations for the equation; The ReCG algorithm was tested on MR brain data at different acceleration rates, experimental results indicated that compared with least squares method, the ReCG algorithm can reduce more noise and aliasing artifacts caused by anomalous data in the reconstruc- ted images; Significantly improved image resolution shows that proposed method is indeed valuable for diagnosis.

关 键 词：并行磁共振成像 图像重建 最小二乘法 迭代法 正则化 

分 类 号：R318[医药卫生—生物医学工程]