ACCELERATING MRI IMAGING USING ADVANCED COMPRESSED SENSING TECHNIQUES

ACCELERATING MRI IMAGING USING ADVANCED COMPRESSED SENSING TECHNIQUES. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
final_thesis_report.pdf

Download (3MB) | Preview

Arabic Abstract

تم استخدام تقنية الاستشعار المضغوط على نطاق واسع في الأدبيات الحديثة لتقليل وقت المسح في التصوير بالرنين المغناطيسي. إن أخذ البيانات الموجودة في K-space بشكل غير مترابط هو جوهر هذه التقنية والذي يسبب تشويش في مجال الصورة ، والتي يمكن إزالتها باستخدام عمليات استرداد الصورة. في صور التصوير بالرنين المغناطيسي ، حيث أن معظم الطاقة تتركز حول مركز K-space ، فإن أخذ العينات الفرعية غير المتماسكة باستخدام المسار الديكارتي الأكثر استخدامًا سيؤدي إلى أداء دون المستوى. تم اقتراح مسار شعاعي في وقت سابق لحل هذه المشكلة ، لأنه يأخذ عينات من مركز K-space دون المساس بعدم الاتساق. ومع ذلك ، نظرًا لمتطلبات التشغيل الصارمة والعمليات الحسابية ، نادرًا ما يستخدم المسار الشعاعي في ماسحات التصوير بالرنين المغناطيسي الحقيقية. في هذا العمل البحثي ، تم اقتراح مسار تم تطويره حديثًا ، والذي يتجاوز أداء المسار الديكارتي مع الحفاظ على نفس المستوى من البساطة التنفيذية. تم إجراء عمليات محاكاة واسعة النطاق لإظهار تفوق المسار المقترح على التصوير بالرنين المغناطيسي الثابت باستخدام أدوات MRiLab وخوارزمية إعادة بناء FDLCP. من ناحية أخرى ، تعتمد خوارزمية إعادة إعمار CS-MRI الحديثة على تقنيات تعلم القاموس القائم على التصحيح. تفشل مثل هذه التقنيات في اكتشاف ميزات الصور الكليَة ، والتي تنعكس سلبًا على دقة إعادة الإعمار. وبالتالي ، في هذا العمل البحثي ، قدمنا أيضًا خوارزمية جديدة تستند إلى تشفير تلافيفي متقطع ينتج عنه دقة جديرة بالاهتمام لإعادة بناء صورة التصوير بالرنين المغناطيسي.

English Abstract

Compressed sensing has been widely used in recent literature to reduce the scanning time in MRI. Incoherently subsampling the data in K-space is the core of MRI compressed sensing which causes noise like artefacts in image domain, that can be removed using image recovery process. In MRI images, as most of the energy is concentrated around the center of K-space, incoherent sub-sampling using the most commonly used Cartesian trajectory will result in sub-standard performance. Radial trajectory has been proposed earlier to solve this problem, since it samples the center of K-space without compromising the incoherence. However, due to strict operational requirements and computational processes, radial trajectory is rarely used in real MRI scanners. In this research work, a newly developed trajectory is proposed, that surpasses the performance of the Cartesian trajectory while preserving the same level of executional simplicity. Extensive simulations have been performed to demonstrate the superiority of the proposed trajectory on static MRI imaging using MRiLab toolbox and FDLCP reconstruction algorithm. On the other hand, the-state-of-the art CS-MRI reconstruction algorithm is relying on patch-based dictionary learning techniques. Such techniques fail to detect global image features, which negatively reflects on the reconstruction accuracy. Consequently, in this research work, we have also introduced a novel algorithm based on convolutional sparse coding which results with Worthwhile MRI image reconstruction accuracy. Keywords—Magnetic resonance imaging (MRI), compressed sensing (CS), Cartesian trajectory, radial trajectory, MRiLab toolbox, patch-based dictionary learning, convolutional sparse coding.

Item Type: Thesis (Masters)
Subjects: Engineering
Electrical
Department: College of Engineering and Physics > Electrical Engineering
Committee Advisor: Masood, Mudassir
Committee Members: Zerguine​, Azzedine and Al-Naffouri, Tareq
Depositing User: MURAD ALMADANI (g201706950)
Date Deposited: 02 Dec 2019 06:19
Last Modified: 31 Dec 2020 07:52
URI: http://eprints.kfupm.edu.sa/id/eprint/140938