首页 | 本学科首页   官方微博 | 高级检索  
     

基于范数优化的并行磁共振成像算法
引用本文:贾森,杨然. 基于范数优化的并行磁共振成像算法[J]. 东南大学学报(自然科学版), 2009, 0(Z1)
作者姓名:贾森  杨然
作者单位:中山大学信息科学与技术学院;
基金项目:国家自然科学基金资助项目(60504022,60974131); 广东省自然科学基金资助项目(05003343)
摘    要:研究了并行磁共振成像图像重建的范数优化问题.首先,通过分析目前常用的2种并行磁共振成像重建算法——GRAPPA算法和SENSE算法,归纳出它们在重建过程中所用的动态数学模型,描述成形如矩阵方程Ax=b的形式;然后,将范数优化引入到重建算法中的建模及模型参数估计中,通过采用不同矩阵范数意义下的目标函数,即在不同的范数空间中重建图像,提高优化的自由度和算法设计的灵活性;最后,通过仿真对范数优化后的重建图像质量进行分析,说明不同范数优化对重建图像的影响,并探讨了范数优化中相关参数及优化目标函数的选择问题.

关 键 词:磁共振并行成像  范数优化  GRAPPA算法  SENSE算法  

PMRI reconstruction algorithms based on norm optimization
Jia Sen Yang Ran. PMRI reconstruction algorithms based on norm optimization[J]. Journal of Southeast University(Natural Science Edition), 2009, 0(Z1)
Authors:Jia Sen Yang Ran
Affiliation:Jia Sen Yang Ran(School of Information Science , Technology,Sun Yat-Sen University,Guangzhou 510275,China)
Abstract:The image reconstruction of parallel magnetic resonance image(PMRI) by norm optimization is studied.First,based on the analysis of two most widely used algorithms,sensitivity encoding(SENSE) and generalized autocalibrating partially parallel acquisitions(GRAPPA),the image reconstruction processes are described in the form of matrix equation Ax=b.Then,the norm optimization technique is introduced to construct the models and estimate the parameters.Through the optimization object functions under different mat...
Keywords:parallel magnetic resonance imaging  norm optimization  generalized autocalibrating partially parallel acquisition  sensitivity encoding  
本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号