在基于模型的MRI脑图像压缩感应中使用图形信号处理
Mehdi Hasaninasab1, Mohammad Khansari1
1School of Intelligent Systems, College of Interdisciplinary Sciences and Technologies, University of Tehran, Tehran, Iran.
Computers in biology and medicine
|November 29, 2025
概括
本研究介绍了一种基于图形的模型,用于使用压缩传感 (CS) 实现更快的磁共振成像 (MRI). 新方法显著提高了用更少样本的图像恢复质量,减少了扫描时间.
科学领域:
- 医疗成像医学成像
- 信号处理 信号处理
- 计算生物学 计算生物学
背景情况:
- 磁共振成像 (MRI) 采集通常会延长,由于需要多次屏住呼吸,限制了患者的耐受性.
- 压缩传感 (CS) 提供了一种有前途的方法,通过降低采样率来减少MRI扫描时间.
研究的目的:
- 开发和评估一种基于图形的新信号模型,用于增强大脑图像的压缩感应MRI (CS-MRI).
- 通过结合特定图像的结构信息来提高CS-MRI图像重建的质量和效率.
主要方法:
- 使用一般的大脑MRI模板构建了一个基于图形的信号模型,以捕捉信号元素之间的相互依赖.
- 通过整合图像模板,节点值稀疏性和图形总变化来制定一个凸起的优化问题.
- 优化问题是使用适用于拉格朗奇方程系统的乘数交替方向方法 (ADMM) 解决的.
主要成果:
- 拟议的图形模型有效地限制了CS-MRI图像恢复的搜索空间.
- 数字模拟表明,恢复过程在显著降低的采样率下实现更高的图像质量.
- 图形模型参数在CS-MRI图像的恢复中得到了成功的利用.
结论:
- 开发的基于图形的信号模型提高了CS-MRI脑图像重建的精度.
- 这种方法提供了一个可行的策略,可以显著减少MRI采集时间,同时保持或提高图像质量.
- 该方法有可能用于更快的MRI扫描所需的临床应用.
