欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202010593729X
申请人: 昆明理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于变换学习的局部空间邻域并行磁共振成像重构方法,其特征在于:包括以下步骤:

1 1 1 1 1 1

S0:初始化,令B ,W ,x ,f ,ux=0,uB=0,i=1;

其中, 表示 图像块的稀疏变换矩阵,n表示二维图像块的总像素点数;

为辅助变量, Bj表示辅助变量B的第j个分量,L表示线圈图像的总个数, 为第j个矩阵提取线性算子,表示从每个线圈提取 图像块再组合成 的矩阵,Q=nh×ny表示单幅图像的像素点个数,nh和ny表示‑1

单幅图像的长和宽; 为辅助变量,F表示傅里叶变换,F 表示傅里叶逆变换,f=[f1,...,fc,..., fL], 为第c个线圈图像的k空间数据, 和 表示与算法相关的拉格朗日乘子, i是循环变量,表示数据的第i次迭代,上标1表示第1次迭代;

i+1

S1:计算W ,计算公式如下:i+1 H

W =VU

i+1 H

式中,W 表示第i+1次迭代的图像块的方形稀疏变换,定义U∑V 由 奇异值分解得到,U,∑,V是奇异值分解因子,上标H表示矩阵的共轭转置, 表示第i次迭代的拉i

格朗日乘子; 表示第i次迭代的辅助变量x 中抽取LQ个图像块并组成n×LQ的矩阵;

S2:初始化j=1;

i+1

S3:计算第i+1次迭代的辅助变量B ,计算公式如下:i+1 i+1 i+1 i式中,Bj 表示第i+1次迭代的辅助变量B 的第j个分量,与W Pj(x)对应, 表示第i次迭代的拉格朗日乘子 的第j个分块,HJ(δ,θ)是硬阈值函数, δ表示输入矩阵,θ表示阈值,α>0和μ2>0为正则化参数;

S4:判断是否完成B的所有图像块分块的更新,若是,则进入步骤S5;否则,对j进行加一操作后返回S3;

S5:初始化,c=1;

S6:计算第c个线圈的辅助变量 计算公式如下:i+1

其中, 表示第i+1次的第c个线圈的辅助变量, 表示第i+1次迭代的辅助变量B的第j个分块的 的第c列, 表示第i次迭代的拉格朗日乘子 的第c列, 表示第i次迭代的拉格朗日乘子 的第j个分块的第c列, 表示第i+1次迭代的待重构的第c个线圈H

图像的k空间数据,μ1为正则化参数,WW=I是一个单位矩阵, 为对角矩阵;

S7:计算待重构的第c个线圈图像的k空间数据 使用共轭梯度法求解下述问题得到

式中,A表示欠采样矩阵, 表示第i次迭代的拉格朗日乘子 的第c列,dc表示第c个线圈的欠采样数据,λ为正则化参数,Nr(·)是一个构造矩阵的算子,构造出的矩阵的列是近似零空间的标准正交基, 是一个构造高维矩阵的线性算子,能够将k空间数据f(nh,ny)构造成如下矩阵:矩阵RS(f)是近似低秩的,其中,矩阵 分别表示为:k=1,...,K,m=1,...,NR, 和 分别代表 的实部和虚部,上标~表示该数据是频域数据, 表示K个不同的k空间位置,(nh,ny)满足‑Nh+R≤nh≤Nh‑R,‑Ny+R≤ny≤Ny‑R,Nh和Ny表示k空间度量区域的正整数,R为傅里叶截断半径,当时, 使用 表示集合

中不同元素的有序组合,p和q表示截断傅里叶半径内的图像横纵坐标,下表m表示第m个像素点,NR表示ΛR的基数;

S8:判断是否完成所有线圈,若是,进入步骤S9;否则,对c进行加一操作后返回S6;

i+1 i ‑1 i+1 i+1S9:计算拉格朗日乘子ux =ux+(F f ‑x );

i+1 i+1 i+1

其中,ux 是第i+1次迭代的辅助变量x 对应的拉格朗日乘子,f 表示第i+1次迭代的待重构的所有线圈图像的k空间数据;

S10:计算拉格朗日乘子i+1

其中, 表示第i+1次迭代的辅助变量B 对应的拉格朗日乘子,i+1

表示从第i+1次迭代的辅助变量x 中抽取LQ个图像块并组成n×LQ的矩阵;

S11:判断是否达到最大迭代次数iter;若不大于则对i做加一操作之后返回步骤S1,否则进入步骤S12;

S12:输出重构的k空间数据f,进行傅里叶反变换之后再使用平方和的平方根方法来形成幅度图像,计算公式如下: