一种用于移动设备中的多分辨率并行磁共振图像重建方法与流程

本发明涉及医学影像处理技术领域，具体涉及一种用于移动设备中的多分辨率并行磁共振图像重建方法。

背景技术：

在基于移动计算的物联网中，用户设备是各传感器采集到的数据的汇集点。在这种机制下，处理数据所使用的算法的计算复杂性受限于用户设备的容量与性能。因此，对于计算负担大的实际应用，不仅需要精心设计相应的数据处理算法，而且还需要将计算任务分配给多个用户设备或一个用户设备中的多个核。然而，虽然多数移动设备具有多核的中央处理单元(cpu)，但是每个核的计算能力不高，故求解复杂的计算问题时需要的计算时间很长，效率较低。

磁共振成像技术(mri)由于其生成的图像质量高，所需的硬件成本相对较低，且对人体无害的特点，被广泛应用于认知神经科学的研究及临床诊断中。然而，由于磁共振成像的成像原理，使用磁共振成像技术对人体器官进行检查时所需的计算复杂性较高，且花费的时间较长。若在基于移动计算的物联网中的各移动设备中使用磁共振成像技术，设备或将无法承受其巨大的计算负担。因此，需要减少(mri)设备采集的磁共振信号(k空间数据)的数据量，即降低采样率，以减少处理数据时的计算复杂性及所需要的时间，并且还要保证能够从采集到的仅部分k空间数据中重建出质量较高，令人满意的图像。

压缩感知理论可以解决在采样率较低仍能由采集的信号重建图像这一问题，只需要待重建的信号满足在变换域中能够被稀疏表达的条件。压缩感知理论还被广泛用于无线通信、无线感知网络和遥感等领域。

现有的基于压缩感知的磁共振图像重建(cs-mri)算法致力于为磁共振图像寻找一种合适的稀疏表示方法，主要包含两个步骤，分别为磁共振信号的获取和磁共振图像的重建。在磁共振信号获取的过程中，只有部分k空间数据被磁共振仪器采样，这减少了器官检查的时间，且使数据便于进行无线传输。在磁共振图像重建过程中，求解凸优化问题的计算复杂度很高。现有的技术多使用贪婪算法或基追踪框架(bp)来求解凸优化问题。然而，贪婪算法在大多数情况中使用最小二乘法，涉及计算逆矩阵，由于磁共振成像的大小较大，求其逆矩阵的计算复杂性很高。若使用基追踪框架，将凸优化问题转换为拉格朗日形式且无约束条件的优化问题，求解该问题的计算复杂性依然很高，计算时间很长。因此，这些cs-mri方法均不适合单独在移动设备中使用。

技术实现要素：

本发明的目的是为了解决现有技术中的上述缺陷，提供一种用于移动设备中的多分辨率并行磁共振图像重建方法，将基于压缩感知的磁共振成像重建问题分解为四个独立的低分辨率图像重建子问题，每个子问题都有较低的计算复杂性。将这四个子问题分别部署到移动设备的中央处理单元(cpu)的四个核中，同时进行求解，得到四个重建的低分辨率图像。最后，将重建出的四个低分辨率图像进行结合，即可得到最终的高分辨率磁共振重建图像。本方法显著降低磁共振图像重建的计算复杂性，加快在移动设备上重建磁共振图像的速度。本方法要求移动设备的cpu不少于四个核。

本发明的目的可以通过采取如下技术方案达到：

一种用于移动设备中的多分辨率并行磁共振图像重建方法，所述重建方法包括以下步骤：

s1、以一定的采样率对原始的磁共振成像的k空间数据进行采样得到四组k空间数据；

s2、由步骤s1采样得到的四组k空间数据计算四个低分辨率图像对应的四组傅里叶系数；

s3、将步骤s2得到的四组傅里叶系数，分别分配到移动设备cpu的四个核中，并使用任一种传统cs-mri方法，在移动设备cpu的四个核中同时对四个低分辨率图像进行重建，得到四个低分辨率图像；

s4、将四个低分辨率图像的像素拼接在一起，得到最终的高分辨率磁共振重建图像。

进一步地，所述步骤s1过程如下：

分别采集磁共振成像的k空间数据中位于位置(k1,k2)、的数据，得到四组k空间数据x(k1,k2)、其中，n为磁共振图像的长/宽像素数。

进一步地，所述步骤s1中采样率为30％，n大小为256。

进一步地，所述步骤s2中四个低分辨率图像对应的四组傅里叶系数计算表达式如下。

其中，n为磁共振图像的长/宽像素数，且x1(k1,k2)、x2(k1,k2)、x3(k1,k2)、x4(k1,k2)分别表示四个分辨率图像对应的傅里叶系数，x(k1,k2)、分别为在步骤s1中由磁共振成像的k空间数据中采集到的在k空间数据中位于位置(k1,k2)、的数据。

进一步地，所述步骤s3中选取任意欠采样的重建方法，比如：基于压缩感知的稀疏恢复方法。

进一步地，所述步骤s4中表示具体拼接方法的表达式如下：

将低分辨图x1(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的偶数行和偶数列上，即

x2(m1,m2)＝x(2m1,2m2)；

将低分辨图x2(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的偶数行和奇数列上，即

x2(m1,m2)＝x(2m1,2m2+1)；

将低分辨图x3(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的奇数行和偶数列上，即

x3(m1,m2)＝x(2m1+1,2m2)；

将低分辨图x4(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的奇数行和奇数列上，即

x4(m1,m2)＝x(2m1+1,2m2+1)；

其中，x(n1,n2)为高分辨率磁共振重建图像，m1,m2分别表示为像素点x1横坐标和纵坐标位置，x1(m1,m2)、x2(m1,m2)、x3(m1,m2)、x4(m1,m2)分别代表步骤s3中重建得到的四个低分辨率图像。

本发明相对于现有技术具有如下的优点及效果：

1、本发明提出的并行磁共振图像重建方法在磁共振图像的重建速度上比传统的串行框架至少快四倍，适用于cpu不少于四核的移动设备，使计算复杂性较高的磁共振成像算法能够以较快的速度运行在计算能力较低的移动设备上。

2、本发明具有较好的普适性，任何基于压缩感知的磁共振成像算法均可以灵活嵌入本发明提出的多分辨率并行磁共振重建方法。

附图说明

图1是本发明实施例公开的用于移动设备中的多分辨率并行磁共振图像重建方法的流程图；

图2是本发明实施例中人脑图像的恢复结果信道比对比图，其中，图2(a)是采用pbdw方法得到的恢复结果图，图2(b)采用cs-mri方法得到的恢复结果图，图2(c)采用本发明提出的多分辨率并行磁共振图像重建方法得到的恢复结果图；

图3是本发明实施例中不同分辨率成像结果对比图，其中，图3(a)是恢复的高分辨的mri成像结构图，图3(b)是由位于偶数行、偶数列的mri像素组成的低分辨率成像结果图，图3(c)是由位于偶数行和奇数列的mri像素组成的低分辨率成像结果图，图3(d)是由位于奇数行、偶数列的mri像素组成的低分辨率成像结果图，图3(e)是由位于奇数行和奇数列的mri像素组成的低分辨率成像结果图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

参照图1，本实施例提供了一种用于移动设备中的新型多分辨率并行磁共振图像重建方法，包括以下步骤：

s1、以一定的采样率对原始的磁共振成像的k空间数据进行采样。具体采样方法如下：

分别采集磁共振成像的k空间数据中位于位置(k1,k2)、的数据，得到四组k空间数据x(k1,k2)、其中，n为磁共振图像的长/宽像素数。

在本实施例中，选取采样率为30％，n大小为256。

s2、由步骤s1采样得到的四组k空间数据x(k1,k2)、接着四组采样数据做成像恢复，通过计算着四组采样数据的傅里叶变换，得到四个低分辨率图像；具体操作四个低分辨率图像对应的四组傅里叶系数的计算表达式如下：

其中，n为磁共振图像的长/宽像素数，且x1(k1,k2)、x2(k1,k2)、x3(k1,k2)、x4(k1,k2)分别表示四个分辨率图像对应的傅里叶系数，x(k1,k2)、分别为在步骤s1中由磁共振成像的k空间数据中采集到的在k空间数据中位于位置的数据。

在本实施例中，选取n大小为256。

s3、将步骤s2得到的四组傅里叶系数，分别分配到移动设备cpu的四个核中，并使用任一种欠采样成像方法，在cpu的四个核中同时对四个低分辨率图像进行重建，得到四个低分辨率图像。

在本实施例中，欠采样成像方法选取基于压缩感知的稀疏恢复方法。具体通过优化下式

其中，y为欠采样的数据，w表示权重，表示2范数；||x||1表示1范数，a为欠定观测矩阵，表示最小化符号，提取变量无关的指数因子,可获得

其中，e表示自然对数底；n1,n2分别表示为x横坐标和纵坐标位置；j为标量常数。x1(n1,n2)、x2(n1,n2)、x3(n1,n2)、x4(n1,n2)分别代表四个低分辨率图像；

s4、将四个低分辨率图像的像素拼接在一起，得到最终的高分辨率磁共振重建图像。

将低分辨图x1(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的偶数行和偶数列上，即

x2(m1,m2)＝x(2m1,2m2)；

将低分辨图x2(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的偶数行和奇数列上，即

x2(m1,m2)＝x(2m1,2m2+1)；

将低分辨图x3(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的奇数行和偶数列上，即

x3(m1,m2)＝x(2m1+1,2m2)；

将低分辨图x4(m1,m2)形成的像素拼接至高分辨率图x(n1,n2)的奇数行和奇数列上，即

x4(m1,m2)＝x(2m1+1,2m2+1)；

其中，x(n1,n2)为高分辨率磁共振重建图像，m1,m2分别表示为像素点x1横坐标和纵坐标位置，x1(m1,m2)、x2(m1,m2)、x3(m1,m2)、x4(m1,m2)分别代表步骤s3中重建得到的四个低分辨率图像。

本实施例公开的基于移动设备中的多分辨率并行磁共振图像重建方法的效果通过以下实验进一步说明：

从图2所显示的人脑图像的恢复结果可以看出，本实施例公开的基于移动设备中的多分辨率并行磁共振图像重建方法得到的信道比(图2(c))其他方法重建出来的图像(图2(a)和图2(b))精度更高、更清晰，图像边缘更锐利,恢复更多的图像细节。

从图3中可以看出，本实施例公开的重建方法得到的成像结果图为图3(a)，图3(a)在对比图3(b)、图3(c)、图3(d)和图3(e)这4种低分辨率的成像图时，本实施例公开的重建方法可获得清晰的重建结果。进一步说明本发明方法重建结果可以获得更清晰的图像对比度以及更精确的解剖结构描述,恢复的图像有更好的保真度。

综上所述，本实施例公开的多分辨率并行磁共振图像重建方法对磁共振图像的重建速度至少提高了四倍，使计算复杂性较高的磁共振成像算法能够以较快的速度运行在计算能力较低的移动设备上。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。