典型文献
基于稀疏变换学习的改进灵敏度编码重建算法
文献摘要：
灵敏度编码(SENSE)是一种利用多个接收线圈的灵敏度信息来减少扫描时间的技术.基于SENSE算法的磁共振成像重建算法的重建图像存在模糊伪影和细节缺失等问题,不利于临床医学诊断.为减少磁共振重建图像伪影并提高重建图像质量,将数据驱动的自适应稀疏变换学习(TL)引入SENSE算法中,得到一种TL-SENSE算法.该算法利用交替方向乘子法进行求解,通过变换更新、硬阈值去噪和图像更新实现并行磁共振成像重建.仿真实验结果表明,所提算法对图像去噪和修复效果较好,能完整保留纹理细节和边缘轮廓信息,目标图像与原始图像的一致性较高.对所选48组数据,TL-SENSE算法重建图像的平均信噪比相比SENSE算法、L1-SENSE算法、TV-SENSE算法和LpTV-SENSE算法,分别提高了4.62 dB、1.91 dB、1.30 dB和0.89 dB.
文献关键词：
并行磁共振成像;变换学习;灵敏度编码;交替方向乘子法
中图分类号：
作者姓名：
李玺兰;段继忠
作者机构：
昆明理工大学 信息工程与自动化学院,昆明650500
文献出处：
引用格式：
[1]李玺兰;段继忠-.基于稀疏变换学习的改进灵敏度编码重建算法)[J].北京邮电大学学报,2022(05):97-102
A类：
变换学习,并行磁共振成像,LpTV
B类：
稀疏变换,灵敏度编码,重建算法,SENSE,接收线圈,扫描时间,重建图像,临床医学,医学诊断,图像伪影,图像质量,TL,法利,交替方向乘子法,硬阈值去噪,和图像,图像去噪,修复效果,边缘轮廓,标图,原始图像,L1,dB
AB值：
0.210874
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
