1、相比其他傳統(tǒng)醫(yī)學(xué)成像設(shè)備，核磁共振成像（MRI）是一種具有無(wú)創(chuàng)性、非侵入、可任意方向斷層成像等優(yōu)點(diǎn)的檢測(cè)診斷設(shè)備，但是隨著 MRI設(shè)備的廣泛使用，其缺點(diǎn)也逐步顯現(xiàn)出來(lái)，主要體現(xiàn)在成像速度較慢、費(fèi)用昂貴等，成為制約其在心臟成像和腦功能成像的主要因素。所以研究如何加速M(fèi)RI成像成為一個(gè)重要的研究課題。
　　分析了通過(guò)增加接受線圈數(shù)量、提高激勵(lì)頻率和并行處理等方法的限制，考慮到人體承受能力和設(shè)備體積等因素，在現(xiàn)有的物理?xiàng)l件下硬件方面已經(jīng)

2、處于極限，所以選擇另一種方法成為必要。壓縮感知理論CS（Compressed Sensing）一經(jīng)提出便引起研究者們的關(guān)注，該方法對(duì) K空間數(shù)據(jù)進(jìn)行部分采樣，用少量數(shù)據(jù)進(jìn)行MRI圖像重建，這樣可以減少采樣時(shí)間和采樣成本，降低前段開(kāi)銷，是提高M(jìn)RI成像速度的一個(gè)可行性方案。
　　研究和分析了貪婪算法(MP、OMP、StOMP)、基追蹤算法(BP)、Bregman迭代算法等壓縮感知重建算法。提出 Restaring-Bregman算法

3、，該算法將 FISTA算法中的修正因子引入 Bregman算法的每一步迭代計(jì)算當(dāng)中，并采用Restarting方法，當(dāng)某一輪迭代進(jìn)行到一定區(qū)域，成像質(zhì)量不在顯著變化時(shí)，為了減少不必要的迭代，跳出本輪循環(huán)，重新設(shè)置修正因子的值。經(jīng)過(guò)MATLAB仿真實(shí)驗(yàn)表明，本文提出的算法重建收斂速度提高30％左右，PSNR沒(méi)有顯著變化。
　　分析了壓縮感知對(duì)信號(hào)進(jìn)行稀疏表示時(shí)的結(jié)構(gòu)，研究表明冗余字典具有比固定字典更好的稀疏表示能力，對(duì)比了學(xué)習(xí)字典、

4、分析字典、級(jí)聯(lián)字典等幾種字典結(jié)構(gòu)及應(yīng)用范圍。詳細(xì)分析了冗余字典構(gòu)造中的奇異值分解(K-SVD)、最優(yōu)梯度下降(MOD)、增廣拉格朗日(AL)字典學(xué)習(xí)算法，提出一種基于增廣拉格朗日學(xué)習(xí)算法的級(jí)聯(lián)字典，由主特征字典和基于增廣拉格朗日學(xué)習(xí)的字典構(gòu)成。主特征字典主要表示大的特征信息，而增廣拉格朗日學(xué)習(xí)字典表示圖像的細(xì)節(jié)信息，充分利用了增廣拉格朗日字典學(xué)習(xí)算法的迭代加細(xì)特征。通過(guò) MATLAB仿真實(shí)驗(yàn)，分別對(duì)腦圖和腦血管圖兩幅核磁圖片進(jìn)行隨機(jī)采樣