项目名称: 基于最优控制与滤波理论的快速磁共振成像关键技术研究

项目编号: No.61273043

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 杨然

作者单位: 中山大学

项目金额: 84万元

中文摘要: 磁共振成像(MRI)因分辨率高、无放射线辐射、观测角度灵活等优点,是最高端最具前景的影像学技术,但扫描速度慢是困扰其发展的瓶颈问题。因此"快速磁共振成像"成为该领域研究的一致目标,主要实现途径有1)减少采样数据; 2)提高静磁场的场强。 本项目将针对这两个途径各自的关键核心技术"压缩感知磁共振成像"和"多源并行激励射频脉冲设计",创新性地从控制学、信息学的视角来展开研究。通过发展基于信号先验信息的压缩感知理论,设计最优采样轨迹,并给出算法误差分析。此外创新性地引入混沌采样轨迹,并提出基于最优滤波压缩感知MRI成像算法。 同时还将并行激励射频脉冲设计问题转化为一个带约束最优控制问题,并运用最新非线性理论方法给出有效算法,保证了最优设计性能及射频脉冲的严格安全性,根本解决了抗电阴影和因局部射频热限制扫描速度的高场MRI关键技术问题。必将有效推动高场磁共振和快速磁共振技术的发展。

中文关键词: 快速磁共振;磁共振图像重建;磁共振扫描轨迹;;

英文摘要: Magnetic Resonance Imaging(MRI)is one of the most important and widely used imaging modalities in healthcare and biomedical research. MRI can generate cross-sectional images in any plane with high resolution and good contrast between the different soft tissues without the hazards of ionizing radiation. However, the slow scanning speed hinders the further application of MRI due to severe motion artifacts and low clinical throughtput.And how to speed up the scanning process and achieve fast MRI is the common aim in MRI society which normally can be attempted either by reducing the amount of sampling data or by increasing the field strength of MRI. The purpose of this project is to study two key problems of fast MRI, one is the compressed sensing MRI which is a core technique in MRI aiming at reducing the amount of sampling data, and another is the design of radio frequency (RF) pulses for multi-transmit parallel excitation which is an essential technique of high field MRI. The research of this project will be conducted from control theory and information theory point of view. Firstly we will improve the compressed sensing theory by considering the prior information of signals, and design the best sampling trajectory which is smooth, short with randomly spread sampling points. Also the performance of the image re

英文关键词: fast MRI;MRI image reconstruction;scan trajectory;;

成为VIP会员查看完整内容
0

相关内容

军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
数据中心传感器技术应用 白皮书
专知会员服务
40+阅读 · 2021年11月13日
专知会员服务
56+阅读 · 2021年9月22日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
18+阅读 · 2020年12月23日
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
15+阅读 · 2021年7月14日
Arxiv
56+阅读 · 2021年5月3日
Arxiv
17+阅读 · 2020年11月15日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
数据中心传感器技术应用 白皮书
专知会员服务
40+阅读 · 2021年11月13日
专知会员服务
56+阅读 · 2021年9月22日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
18+阅读 · 2020年12月23日
相关资讯
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员