磁共振成像中的运动伪影消除方法研究

论文摘要

磁共振成像(Magnetic Resonance Imaging,MRI)根据生物体内的磁性核在静磁场内产生共振信号的特性进行成像,具有图像分辨率高、成像参数多、可任意方向断层、对人体无电离辐射伤害等显著优点,成为当今最先进的医学成像方法之一,在临床上和科学研究中得到了越来越广泛的应用。磁共振成像过程中,病人的自主性和生理性运动常常难以避免,它将破坏数据的采集过程,并在所成的图像上形成伪影,使医生难以作出正确的诊断。由于运动的不确定性以及难以获得运动的先验知识,对运动伪影的校正也就十分困难,严重影响和阻碍了磁共振成像技术的发展和应用。因此,对磁共振运动伪影消除方法的研究,引起了国内外学者的广泛关注,是当前医学成像领域中的研究热点,这方面的任何研究进展都将对磁共振成像技术的发展和应用起到积极作用。本文在熟悉和掌握了磁共振成像的原理和技术的基础上,对运动伪影进行深入的研究,分析运动伪影对磁共振成像过程中的数据采集和最终成像这两个重要环节的影响,提出了几种图像重建算法和伪影后处理校正算法,可以对磁共振运动伪影进行有效抑制。本文的研究从分析一种有消除运动伪影功能的PROPELLER数据采集成像算法入手,在用程序正确实现该算法的基础上,提出能提高其速度的圆形网格化算法,并对网格化算法进行了改进,进一步提高该算法的成像速度和质量,然后提出了几种有实际应用价值的磁共振图像后处理校正算法,对其中的平移运动和旋转运动伪影进行校正,改善最终的图像质量。归纳起来,本文完成了以下有特色的研究工作:1)对PROPELLER数据采集成像算法进行改进,提出了一种新的基于圆形网格化的算法。PROPELLER是一种磁共振成像新算法,它通过改变数据采集方式和成像重建步骤,在重建过程中加入校正处理算法,因而能比较有效地消除运动伪影。本文在分析该算法的基本原理并实现其各个步骤的基础上,针对其中旋转校正算法耗时多的缺点,提出新的圆形网格化算法,减少网格化和插值运算的次数,提高了对旋转参数的估计准确率和整个PROPELLER算法的速度。改进后的PROPELLER数据采集成像算法不仅能有效抑制扫描过程中形成的运动伪影,而且速度快,成像质量高。2)提出了两种改进的基于PROPELLER采样数据的网格化成像算法。网格化是PROPELLER成像算法中的重要步骤,对最后的成像效果起着决定性的作用,对网格化算法进行改进,能明显提高网格化成像的速度和质量。算法一将Voronoi网格面积值作为网格化密度补偿函数,并提出网格闭包建立方法,对网格化成像算法进行了改进。算法二提出基于大矩阵的网格化算法,不但提高了网格化质量,还利用矩阵运算加快了整个运算过程。3)提出了两种磁共振平移运动伪影校正算法。算法一是一种新的直接基于伪影区的校正算法。它基于伪影区数据建立关于平移运动量的约束方程组,使用差分演化算法对价值函数寻优,得到平移运动量,实现平移运动伪影的校正。算法二依据运动的不相关性,分别对x方向和y方向的平移运动进行处理。采用傅立叶投影算法,得到x方向的整像素运动平移量,快速校正x方向上的运动伪影;基于多项式参数拟合,使用遗传算法校正y方向和x方向上的亚像素运动伪影。实验结果表明,两种算法都能对平移运动伪影起到较好的抑制作用。4)针对磁共振快速扫描序列,提出了一种旋转运动伪影校正算法。算法包含以下几点新思路:对均匀矩形K空间数据,构思了一种新的带状划分方案;给出新的相似性测度公式,用来估计旋转运动参数值;提出厄米特共轭补偿算法,对位置校正后的不均匀数据空间进行补偿;设计了快速网格化算法,加速运算过程。实验结果表明,该算法可以有效地校正旋转运动伪影,且受信噪比的影响小,具有一定的鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 磁共振成像概述
• 1.2 磁共振运动伪影消除方法的研究意义
• 1.3 国内外研究现状
• 1.4 本文主要工作及研究内容安排
• 第2章 磁共振成像原理
• 2.1 核磁共振理论
• 2.1.1 原子核的自旋与磁矩
• 2.1.2 磁场中的氢核运动
• 2.1.3 核磁共振现象
• 2.2 磁共振信号
• 2.2.1 驰豫和驰豫时间
• 2.2.2 自由感应衰减信号及信号检测
• 2.3 磁共振成像的空间定位
• 2.3.1 梯度磁场
• 2.3.2 层面选择
• 2.3.3 平面内信号的定位
• 2.4 K空间与二维图像重建
• 2.4.1 K空间
• 2.4.2 二维图像重建
• 2.5 磁共振成像中的伪影
• 2.6 本章小结
• 第3章 磁共振PROPELLER数据采集成像算法
• 3.1 磁共振PROPELLER数据采集成像算法
• 3.1.1 主要磁共振数据采集成像算法
• 3.1.2 PROPELLER算法概述
• 3.1.3 PROPELLER算法的实现
• 3.1.4 PROPELLER成像实验与分析
• 3.2 圆形网格化算法在PROPELLER成像算法中的应用
• 3.2.1 PROPELLER算法存在的问题
• 3.2.2 圆形网格化算法
• 3.2.3 实验结果与分析
• 3.3 本章小结
• 第4章 改进的PROPELLER成像算法
• 4.1 磁共振非均匀采样数据重建算法概述
• 4.1.1 栅格重建算法
• 4.1.2 分块均匀重采样法
• 4.1.3 广义逆法
• 4.2 基于Voronoi图的PROPELLER数据网格化算法
• 4.2.1 重复点消除算法
• 4.2.2 边缘网格闭包
• 4.2.3 基于Voronoi权函数的快速网格化
• 4.2.4 算法流程
• 4.2.5 实验结果与分析
• 4.3 基于矩阵网格化的PROPELLER成像算法
• 4.3.1 采样数据预处理
• 4.3.2 大矩阵实现
• 4.3.3 分块运算法
• 4.3.4 算法流程
• 4.3.5 实验结果与分析
• 4.4 本章小结
• 第5章 磁共振平移运动伪影校正算法
• 5.1 磁共振平移运动伪影的成因
• 5.2 磁共振平移运动伪影后处理算法概述
• 5.3 基于差分演化算法的磁共振平移伪影校正
• 5.3.1 基于伪影区的约束方程组建立
• 5.3.2 差分演化算法
• 5.3.3 算法流程
• 5.3.4 实验结果及分析
• 5.4 一种综合的快速磁共振平移伪影校正算法
• 5.4.1 基于傅立叶原理的x方向上的校正
• 5.4.2 基于遗传算法的y方向运动校正
• 5.4.3 算法流程
• 5.4.4 实验结果与分析
• 5.5 本章小结
• 第6章 基于磁共振快速序列的旋转运动伪影校正算法
• 6.1 磁共振旋转运动伪影的成因
• 6.2 磁共振旋转运动伪影后处理算法概述
• 6.3 基于快速磁共振序列的旋转伪影校正算法
• 6.3.1 旋转参数估计
• 6.3.2 厄米特共轭补偿
• 6.3.3 改进的网格化算法
• 6.3.4 算法流程
• 6.3.5 实验结果及分析
• 6.4 本章小结
• 第7章 总结与展望
• 7.1 研究成果与创新点
• 7.2 研究工作展望
• 参考文献
• 攻读博士学位期间发表的论文与研究成果
• 致谢