首页 > 文献资料
-
压缩感知在磁共振成像中的应用研究
压缩感知是建立在矩阵分析、概率统计理论及泛函分析等基础上的一种新颖的信号获取方式，它可以以低于传统Nyquist采样定理所需的采样数据准确重建原始信号。本文在压缩感知基本理论的基础之上论述了其与磁共振成像相结合的基本原理，包括磁共振图像的稀疏表示、 K空间采样轨迹的设计、优质重建算法的选择，并简要介绍了压缩感知在磁共振成像中其他方面的一些应用。
-
低功耗心电信号预处理和特征提取方法研究
本文针对可穿戴式医疗设备心电数据预处理及特征提取展开研究，在Savitzky-Golay滤波理论基础上，结合心电信号自身特点，利用模糊逻辑和专家经验识别算法对信号进行特征提取，在有效降低计算量的基础上，对QRS波的正确检测率达到了98.9％。
-
压缩感知方法在食品安全风险监测中的应用
目的 压缩感知方法通过混样过程来减少样品的检测次数,从而提高检测效率,降低检测成本,缩短检测时间.方法 利用食品中污染物超标数据稀疏性的特点,将压缩感知方法应用于食品安全风险监测的样品检测.该理论的核心思想是通过混合待检测的样品,得到远少于原样品数的检测次数,然后根据相应重构算法由测量值重构原始数据.该算法可采用R统计软件实现.结果 用压缩感知方法重构125份原始样品的检测值,误差平方和为3.782 652×10-29,其中原始样品中117份低于检出限的样品全部精准重构,高于检出限的8份样品压缩感知重构值稍稍大于真实值,但误差极小,可以忽略不计.结论 压缩感知方法可以通过混合样品来减少样品的检测次数,并可由少数检测值重构每一个原始样品的食品污染物含量.
-
压缩感知在超声成像中的应用研究进展
在实际应用中，经典的奈奎斯特采样频率通常会造成采样信号数据量过大，不利于存储和传输。数据压缩可以通过对采样信号的进一步处理来降低数据传输的负担，但依然不能降低采样信号的数据量。如何在信号采样的过程即实现数据压缩，以及如何进行后续的信号重建工作是压缩感知（Compressed Sensing或Compressive Sampling, CS）研究的主要内容。压缩感知理论指出，若信号可以稀疏表达，则该信号可以从其少量投影中被大概率重建，大大降低信号的采样频率和数据量。压缩感知一经提出，就引起了相关领域的广泛关注。在医学成像领域，它已经成功应用于磁共振成像来加快信号采集速度。近，压缩感知也开始应用于医学超声成像。本文综述了压缩感知在医学超声成像领域的研究进展，并对这一应用进行了展望。
-
压缩感知及其在超声成像中的应用
如何实时、高效地存储超声成像射频回波线数据是实现超声成像后期调节、参数优化和会诊的关键.本文利用目前信号采样和压缩领域全新的压缩感知理论,结合超声射频回波线数据的相关性和稀疏性,提出基于压缩感知的超声射频回波线数据压缩算法.该算法能大大降低数据的大小,相比于其他算法,不需要通过计算所有分量后再对计算出来的信号进行排序和编码,提高了压缩效率.
-
基于Bandlet的压缩感知算法及其在智能乳腺全容积超声系统中的应用
目的 在智能乳腺全容积超声系统中需扫描很多个切面同时进行成像和保存,数据量庞大.为此,本文提出基于Bandlet变换的压缩感知方法并应用于该系统,以降低存储和传输的数据量.方法 首先利用超声图像的Bandlet变换域能够根据图像的"几何正则性"来自适应改变得到稀疏表示的特点,将所得图像进行Bandlet变换.然后选择与Bandlet基矩阵不相干的随机测量来降低图像压缩的数据量,之后利用匹配追踪算法由压缩数据重建超声图像.后以智能乳腺全容积超声系统的图像数据为例进行压缩效率和重建有效性的验证.结果 压缩后的数据大小为原数据的30%,降低了传输和存储的数据量,同时可得到高质量的重建图像.结论 基于Bandlet的压缩感知算法可降低智能乳腺全容积超声系统图像的传输带宽和数据量,并保证了图像重建的质量,适用于智能乳腺全容积超声系统.
-
基于curvelet变换快速迭代收缩阈值算法的压缩采样磁共振图像重建
目的 为提高MR图像的重建效果和降低重建图像边缘模糊,本文提出一种基于curvelet变换的MRI快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA).方法 利用curvelet变换多尺度、各向奇异性、对图像边缘有更好的几何表达等特性,将curvelet稀疏变换和FISTA结合,并与传统基于小波变换的FISTA对相同MR图像作重建对比.重建图像的质量以峰值信噪比(peak signal to noise ratio,PSNR)、 均方误差(mean square error,MSE)、 结构相似性度(structural similarity degree,SSIM)来衡量.结果 实验选用Lena图像和脑部MR图像,从重建图像细节、差值图像、评估参数三方面对算法重建效果进行比较分析,证明该curvelet-FISTA算法可有效恢复完全采样图像从核磁共振成像中的欠采样数据.结论 与传统基于小波变换的FISTA相比,该方法可以更好地保持重建图像的细节信息,并有效地消除图像边缘的模糊现象,显示了较好的重建效果.
关键词： MRI图像重建 压缩感知 迭代收缩阈值 curvelet变换 -
基于压缩感知预测凋亡蛋白亚细胞位点
目的 蛋白质的亚细胞位点信息有助于了解蛋白质的功能,同时还可以为新药物的研发提供帮助.方法 在本研究中,采用压缩感知算法对凋亡蛋白的亚细胞位点进行分类.结果 经过在2个常用的数据集上使用Jackknife测试,在ZD98数据集上取得了90.6％的预测准确率,在ZW225数据集上取得了87.3％的准确率.结论 实验结果表明压缩感知算法对已凋亡蛋白的亚细胞定位研究效果良好,且避免了特征提取的过程.
-
基于压缩感知的超声逆散射成像研究
目的 逆散射超声成像具有较高的空间分辨率和图像对比度,有着重大的临床应用价值.传统的基于逆问题理论的超声逆散射重建算法存在重建系统稳定性差,设备数据采集量大等问题.本文基于超声逆散射理论,利用压缩感知原理,对目标进行重建,以降低设备数据处理量,增强重建过程的稳定性.方法 首先分别从时域和频率两个角度建立超声散射正向模型;再根据压缩感知原理,提出数据采集方案,获得投影观测数据;然后,利用目标的稀疏性,建立基于压缩感知的超声逆散射重建逆问题;后,以囊肿体模和点目标为例,求解逆问题,重建图像.结果 提出的基于压缩感知超声逆散射重建算法,对囊肿体模采样率降低50％,对点目标采样率降低76％.结论 基于压缩感知的超声逆散射重建,能够降低设备数据处理量,与传统的延时叠加、合成孔径等成像算法相比,重建的图像具有更高的空间分辨率和对比度.
-
基于压缩感知的CT重建算法的研究现状
压缩感知理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据以缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量,由此可以解决在CT重建中还普遍存在的清晰度不够高、线性度不够好和有噪声伪影干扰等问题.由于该理论的这些显著优点,使其在CT成像领域引起了广泛关注,取得了很大进展.本文对近几年压缩感知应用于CT重建的研究方法和成果进行归纳和分析,其中包括传统统计迭代算法与压缩感知理论相结合方法的分析,先验图像约束与压缩感知理论相结合方法的分析以及字典学习的发展历程分析.后,对该研究领域的发展进行了展望.
-
基于压缩感知算法的基因表达谱数据分析
目的 基因表达谱数据分析是生物信息学领域重要的研究内容之一.其可实现对不同病理分型的肿瘤的正确分类,对肿瘤诊断和治疗具有重大意义.方法 本文应用压缩感知算法实现对胃癌基因表达谱数据的分类,运用训练数据构造冗余字典,采用随机分布的规范行矢量高斯矩阵构造感知矩阵,对训练数据和测试数据进行感知,利用正交l2-范数算法对基因表达谱数据进行重建,在变换域中采用近邻法测试判断数据类别,与样本的实际类别相比较.结果 实验结果表明,压缩感知算法与K均值聚类、SVM等其他分类算法相比有较高的分类正确率,且分类速度快,能避免特征选取的问题.结论 本文方法对疾病的临床诊断和生物信息学研究有重要的参考和借鉴作用.
-
稀疏恢复的梯度投影算法在PPG信号重建中的研究
光电容积描记(PPG)法是一种无创测量人体脉搏信号的方法,其波形反映血管中的血液容积变化,在诊断心血管疾病时具有重要作用.然而,这种方法容易因病人有意或无意运动产生运动伪影(MA)而影响诊断结果的准确性.为解决这一问题,基于压缩感知理论框架,采用稀疏恢复的梯度投影(GPSR)算法,对PPG信号进行滤噪和恢复.对于非稀疏信号,压缩感知包括稀疏和恢复两个步骤:首先为保证信号的重要信息不被破坏,利用哈尔小波基找到佳稀疏域,对信号进行稀疏变换;然后采用GPSR算法,在恢复信号的同时去除MA噪声.实验测量3种受MA影响的带噪PPG信号,并用GPSR算法处理分析.另测50名健康成年人在垂直运动时产生的带噪PPG信号,计算带噪与重建PPG信号的心率和均方误差(MSE).将得到的两种心率分别与无噪声PPG信号心率通过Bland-Ahman方法做对比分析,结果显示,带噪与无噪声PPG信号的差异范围在±23 beat/min,而重建PPG信号在±2.7 beat/min.由均方误差的Box Plot图可知,重建信号的MSE比带噪信号降低约50％.这些结果均表明,GPSR算法能明显降低信号中的运动干扰.
-
用于低功耗的体域网加速度数据压缩感知设计
为有效降低体域网加速度数据远程获取系统功耗,提出一种用于低功耗的体域网加速度数据压缩感知处理框架.首先基于优化的稀疏二进制测量矩阵,线性投影压缩体域网传感节点的加速度数据,降低相应节点压缩算法的复杂性和数据传输量;在此基础上,基于块稀疏贝叶斯学习模型,构建非稀疏加速度数据压缩感知重构算法,实现低功耗远程获取加速度数据.实验采用USC-HAD数据库的加速度数据,评估所提方法的有效性.结果表明,当优化稀疏二进制测量矩阵中每列非零元素个数为6、压缩率为50％时,能够获得与传统优化高斯随机矩阵、伯努利随机矩阵相同的压缩重构误差(约0.004 5);与一些传统的压缩感知重构算法相比,所提出的重构算法提高信噪比约17 dB,显著改善重构性能,可有效实现低功耗远程获取加速度数据.该方法有助于传感节点硬件简化设计,改善加速度数据重构性能,为构建低功耗体域网人体活动远程监测系统提供新的思路和方法.
-
高能数据缺失下的双能CT重建算法实验研究
随着全球恐怖主义事件数量的逐年递增,公共安全问题越来越受到各国的重视,对安检系统的需求也越来越高.具有高精度物质识别特性的双能CT检测系统一直被认为是防范恐怖事件发生的有效工具之一.但目前典型的伪双能CT成像系统是由高低能量不同的两层全采样探测器单元组成.大量探测器单元的使用大大提升了系统成本,阻碍了大规模商用.2013年,我们提出了一种基于压缩感知理论的双能CT不完备数据重建算法,该算法仅利用少数高能探测器缺失数据即可实现图像质量相当的重建过程,模拟实验初步验证了算法的有效性.本文进一步使用在双能CT物品机上采集的真实数据验证算法的有效性.实验结果表明,在确保双能CT重建图像质量的前提下,使用基于压缩感知理论的双能CT不完备数据重建算法可以将双能CT探测器成本降低25％.
-
基于压缩感知的双能CT不完备数据重建算法优化研究
本文针对基于压缩感知理论的双能CT不完备数据重建算法,分别提出了提高重建质量和缩短重建用时的优化方案.一方面,可以通过改进迭代过程中步长和角度的选取提高重建质量；另一方面,可以通过采用GPU技术进一步提高重建速度.初步实验结果表明,不同步长和角度的选取将直接影响重建图像质量,使用GPU技术后的重建算法可将完整重建一次的耗时从数十分钟缩短至几秒钟.因此,如能改善这两个优化方向,基于压缩感知理论的双能CT不完备数据重建算法的重建性能将进一步得到提升.
-
基于稀疏采样的CT快速成像方法研究
针对CT高分辨率成像的数据采集速率问题,本文提出了一种基于图像压缩感知原理的CT快速成像方法.对目标物体进行稀疏角度的投影采样,以压缩重构图像所需的投影量,进而提升图像采集速度.重建过程中,引用CT领域中的重建方案,为了在不完备的数据情况下保留图像的灰度信息,本文采用迭代法中的代数重建算法(ART)进行图像重构.由于稀疏采样下ART重建图像存在较严重的伪影,本文将全变分小化约束加入到ART算法中,实现对目标物体的精确重建,并将重构结果分别与压缩采样匹配追踪算法(CoSaMP)、Split-Bregman算法(SpBr)进行比较.实验结果表明,本算法在低采样率下的MSSIM均高于CoSaMP算法和SpBr算法.能有效保留图像的灰度信息和提升图像采集速度.
-
基于块稀疏贝叶斯学习算法的心电数据重构
压缩感知(CS)技术在心电信号上的应用具有低成本、低功耗等优势,但传统的CS算法重构心电信号质量并不理想.本文介绍了一种基于信号块结构内相关性的块稀疏贝叶斯学习(BSBL)CS算法;并对MIT-BIH数据库中心电数据进行实验,结果显示其均方根误差远低于传统CS算法,表明该算法能够高质量重构心电信号.BSBL算法在心电数据上的应用有效降低了对数据的采样频率,从而缓解存储压力并降低功耗.
-
基于压缩感知的MRI图像的二维重构和三维可视化
压缩感知是一种全新的信息采集与处理的理论框架，借助信号内在的稀疏性或可压缩性，利用随机投影实现以远低于奈奎斯特频率的采样频率下对压缩数据的采集。该技术应用于医学成像领域，可以加快MRI的扫描速度，减少放射剂量，减少患者的不适。算法首先利用小波系数的稀疏性，保留部分比例大系数；其次利用改进的佳正交匹配追踪算法实现基于压缩感知的医学图像二维重构；后利用大密度投影算法实现三维体绘制。实验结果表明，局部细节放大图、峰值信噪比以及剖分线的对比，均从定性、定量的角度证明了二维重构算法的准确性和高效性，三维体绘制结果对于诊断及治疗具有很好的辅助作用。
-
压缩感知技术及其在心脏磁共振中的应用进展
磁共振在心血管疾病诊断与鉴别诊断的应用日益重要,但扫描速度相对较慢,与运动伪影敏感是其主要局限性,在一定程度上限制了其在临床上应用的普及.压缩感知是一种新的信号采集理论,通过欠采样的方式采集信号,信号的稀疏变换、不相干欠采样及非线性重建是其特点.通过结合压缩感知技术使磁共振极大地提高扫描速度,且同时保证不牺牲空间分辨率.因此,在一定程度上它对于心血管磁共振具有独特优势.本文对压缩感知基本原理及其在心脏磁共振的应用价值研究进展予以详细阐述.
-
磁共振成像中不相干采样模式对点扩散函数的影响研究
压缩感知作为从源头上减少采样数据的新理论，被视为具前景的快速磁共振成像方法。如何准确评价压缩感知磁共振成像的不相干性是设计磁共振不相干采样轨迹的关键。现有不相干评价指标仍然沿用压缩感知的不相干评价指标，忽略了磁共振设备的物理实际，导致压缩感知在磁共振成像应用中出现理论预期与实际性能差距较大的问题，犹如一道“屏障”横亘在压缩感知与磁共振成像之间，制约了压缩感知的性能。本文通过将传输变换点扩散函数(transform point spread function，TPSF)转换为点扩散函数(point spread function， PSF)，从而建立PSF与采样轨迹直接相关的数学表达式，并给出了采样点的位置对PSF形状影响的关系式，后分别给出了不同采样模式下的PSF仿真实验。实验结果表明，除了PSF的主瓣宽度、旁瓣高度外，旁瓣的分布特征对PSF的影响非常大。
