基于l_p范数的压缩感知和深度学习磁共振图像重建研究.pdf

要 摘 摘要 一 （ ａ ｎｅｔｉ ｃ Ｒｅｓｏｎａｎｃｅ ｍａ ｉ ｎ ＭＲＩ 可 ， 振 像 Ｍ  Ｉ  ） 是 种不 缺少的临 如今 磁共 成 ｇ ｇ ｇ， 工 。 可 组 对比 。 离 射， 提供良好的软 织 度和多方位成像 然而 床诊断 具 它没有 电 辐 以 一 速 。 ， 缩感 （ Ｃｏｍ ｒｅｓｓ ｅｄ 它的发展受限于其较慢的成像 度 为了克服这 难题 压 知 ｐ ｅｎ ｎ 。 ｋ 量 Ｓ ｓｉ ＣＳ） 被应用于 ＲＩ 中 它能够从 采样的 空间数据中 建出质 较 ｇ， Ｍ 欠 重 ， 且缩 成像时间。 好的图像 并 短 （ － 三 稀 感 像 ＣＳ ＲＩ ） 含 个方 的内容， 分 为 疏表 磁 Ｍ 面 压 知 共振成 要 别 缩 主 包 示、 法。 ＣＳ 些 稀 ， 采样方法和 图像的重建算 利用 了 图像在某 变换域中的 疏性 将 。 － ＲＩ （ Ｔｏｔａｌ 表 作为先 信息来 复图像 传统的 ＣＳ 模型中利用全变分 稀疏 示 验 恢 Ｍ Ｖ Ｔ 基 Ｔ 疏 ａｒｉ ａｔｉ ｏｎ Ｖ） 来 稀 性， 范数的传统 Ｖ 不是促 稀 性的最 ， 增强 疏 但是 于 ＾ 进 好方法， 不能提 足够稀疏的表示。 因 本文针对传统 ＴＶ 的不 提出了 个新 供 此 足 两 正