继续阅读
当前页面欠采样重建:为什么随机跳行能补救,规则跳行不能
磁共振空间编码 · 阅读路径
第五章的两种少采方式都要付代价:隔行采样让图像折叠,只采中心让图像模糊。本章介绍两条补救的路。第一条是用多个接收线圈:每个线圈只对靠近自己的组织敏感,多出来的信息足以把折叠拆开。第二条是随机地跳行,再利用“图像在某种变换下只有少数大系数”这一先验,把缺失的行补出来。两条路的前提不同,失败的方式也不同。
MIT 讲义考虑两个线圈,左右各一个。线圈 1 只对左半边头部敏感,所以它的图像只显示左半边;如果只测偶数列,线圈 1 的图像与它自己平移后的副本相加。线圈 1 只看见左半边,副本落在原本空白的右半边,彼此不重叠。取线圈 1 折叠图的左半、线圈 2 折叠图的右半,就拼回完整图像。两个线圈同时采集,时间省了一半。
讲义接着换了两组灵敏度。若一个线圈覆盖整个视野、另一个只覆盖一半,两幅图相减就回到前一种情形。最后一组 、 不行: 对折叠在一起的两个像素权重完全相同,它的图像里没有任何能区分这两个像素的信息, 也一样。
一般地,隔行采样让每个像素 与 叠在一起。线圈 的折叠图在这一点的值是两者按灵敏度加权的和(第五章的因子 并入灵敏度)。两个线圈给出两个方程,两个未知数。灵敏度矩阵可逆时就能解出;、 那种情形,矩阵的两列相同,行列式为零。
题目:这是本课程自己编的例子。线圈 1 对像素 、 的灵敏度是 0.9 和 0.3,线圈 2 是 0.2 和 0.8;真实值 、。求两个线圈的折叠值,从折叠值解回原值,并求两个线圈各带标准差 的独立噪声时,解出的 的噪声。
折叠值 ,。行列式 。逆矩阵第一行是 ,所以 ,与真实值一致;同样算得 。
噪声按逆矩阵的行传播: 的噪声标准差是 , 是 。两个线圈的灵敏度越接近,行列式越小,放大越严重;到 、 那种行列式为零的情形,放大是无穷大,也就是讲义说的“没有可用信息”。
只有一个线圈时,规则跳行没有补救办法:Lustig 等人指出,原信号与它的平移副本同样可能,无法区分。随机跳行的情形完全不同。补零重建的伪影看上去像随机噪声,但它们不是噪声:欠采样让每个非零系数的能量漏到别的系数上,包括本来为零的系数。
Lustig 等人用点扩散函数衡量这种泄漏:只有一个点时,欠采样重建在别处出现的值。从 个网格点中随机选 个时,点外的值像零均值的白高斯噪声,标准差由式 [1] 给出,推导用的是能量守恒。本课程的基准程序在 、 下抽了 400 次:实测标准差 0.165683,与有限网格的精确值相同,与式 [1] 的 0.165359 相差 0.2%;最大副瓣平均只有 0.38,而规则采样的副本高度正好是 1。
这就是随机跳行能补救的原因:强的系数高出干扰,能先被认出来。Lustig 等人的图 2 用 8 倍欠采样的稀疏信号演示了这个过程:先用阈值找出最强的分量,算出它们造成的干扰并减掉,干扰降低后再找次强的分量。基准程序重做了这个逐级过程,5 级后完全恢复,误差 。
Lustig 等人的重建写成约束优化,式 [3]:在所有与测量数据相差不超过 的图像中,找变换 下 L1 范数最小的那个。 通常设得比预期噪声略低。附录里的等价形式式 [A1] 把约束换成权重 ,并选 让残差约等于 ;他们用非线性共轭梯度求解,文中的例子需要 80 到 200 次迭代。
k 空间重建实验求解同一类目标函数,但做了三处改动: 用三层 Haar 小波,只压缩细节系数;求解用加速软阈值迭代,50 步;权重不按噪声水平选,而是留出中心以外八分之一的已采行,不用它们拟合,再看拟合结果能否预测它们。全采样时这个目标函数有闭式解,迭代结果与闭式解相差 。
在“随机跳行,稀疏拟合补全”预设下(加速 2 倍),留出行选出的权重是 0.008,只有模拟才能知道的最佳权重是 0.004,两者在不含留出行的拟合上误差分别为 17.2% 和 17.0%。用全部已采行重建后,图像误差从补零时的 23.9% 降到 13.3%,小圆点对比度从 71% 回升到 87.3%。
Lustig 等人写道,随加速倍数增大,压缩感知最明显的伪影不是通常的分辨率下降,也不是折叠干扰增大,而是低对比度特征消失:它们比干扰还弱,被淹没后无法恢复。所以这种方法最适合有高分辨率、高对比度特征而又需要快速成像的场合;他们的例子里就有血管造影。
他们还指出,单层二维扫描只能在相位编码方向欠采样,干扰只沿一个方向扩散,按式 [1] 算出的干扰比纯二维随机采样大 倍, 的图像是 16 倍,所以只能期望不大的加速。文中的脑部例子用了 192 条相位编码中的 80 条,加速 2.4 倍。实验里的头部也是单层二维扫描,加速 2 倍,只有一个线圈;多线圈拆分只出现在上面的例题里。
两个线圈对一对折叠像素的灵敏度是 和 。能拆开吗?
不能。行列式 ,两个线圈都只测到两像素之和。这正是 MIT 讲义里 、 的情形。
从 256 个网格点中随机选 64 个,按式 [1] 干扰的标准差是多少?比选 32 个时大还是小?
,,比 时的 0.165 小。采得越多,干扰越低。
实际扫描时没有完整扫描可以对照。为什么留出行能用来选权重?它有什么局限?
留出行是真实测到的数据,没有参与拟合。能准确预测它们的权重,通常也能较好地补出没采的行。局限是留出行只在已采的位置上打分,而且不参与拟合会让数据变少;实验里两种选法的误差只差 0.2 个百分点,但这只是一个体模、一个种子的结果。
通读全文。第 9 页:质子旋磁比取 42.58 MHz/T。第 11—13 页:梯度场、相位积分,以及把 k 定义为梯度对时间的积分。第 15—18 页:k 空间数据、复图像及其幅值。第 19 页:256 行、每行 2 s,约 8.5 分钟。第 20—21 页:只保留 k 空间的偶数列。第 24—36 页:两个线圈展开折叠,包括灵敏度无法区分折叠像素的那一对线圈。本课程沿用讲义中傅里叶核的符号约定。
通读全文。图 1 与压缩感知的三个条件;图 2(256 点稀疏信号、8 倍欠采样);式 1(干扰的标准差)及附录 B 中的推导(正文称为 Appendix II);单层 2DFT 的干扰大 D^{1/4} 倍的说明;式 2(变换点扩散函数);式 3—4(带约束的重建);附录 A 式 A1—A3(拉格朗日形式与非线性共轭梯度,80 到 200 次迭代);结果与讨论(脑部 2.4 倍、血管造影 5 倍从 22 s 缩到 4.4 s、低对比结构丢失)。在体图像只做描述,不复现。
当前页面欠采样重建:为什么随机跳行能补救,规则跳行不能
磁共振空间编码 · 阅读路径