MATLAB实现压缩感知磁共振图像重建算法SparseMRI

资 源 简 介

本项目利用MATLAB实现了基于压缩感知的磁共振图像快速重建，通过随机欠采样K空间数据，结合小波稀疏变换和非线性优化，从少量采样中高质量还原原始图像。

详 情 说 明

SparseMRI：压缩感知磁共振图像重建算法

项目介绍

本项目基于压缩感知（Compressed Sensing）理论，实现了磁共振图像的快速重建算法。通过随机欠采样K空间数据，结合稀疏变换（如小波变换）和L1范数最小化优化，能够从少量采样数据中高质量重建原始MRI图像。该技术可显著减少磁共振扫描时间，同时保持图像的诊断价值。

功能特性

• 压缩感知重建：利用稀疏先验，从欠采样数据中精确重建图像
• 多种稀疏变换：支持小波变换、离散余弦变换等多种稀疏基
• L1范数优化：采用迭代阈值算法实现L1正则化最小化
• 定量评估：提供SNR（信噪比）和SSIM（结构相似性）等图像质量指标
• 收敛分析：实时显示重建误差收敛曲线，监控算法稳定性

使用方法

基本调用

% 输入参数： % kspace_data - 欠采样K空间数据（复数矩阵） % mask - 采样掩码（二进制矩阵） % options - 可选参数结构体

% 输出结果： % recon_image - 重建的MRI图像 % metrics - 包含SNR、SSIM等评估指标 % convergence - 收敛曲线数据

参数配置

options.sparse_transform = 'wavelet'; % 稀疏变换类型 options.max_iterations = 100; % 最大迭代次数 options.regularization_param = 0.01; % 正则化参数 options.display_progress = true; % 显示进度

系统要求

• MATLAB R2018b或更高版本
• 图像处理工具箱（Image Processing Toolbox）
• 信号处理工具箱（Signal Processing Toolbox）
• 推荐内存：8GB以上
• 支持二维/三维MRI数据重建

文件说明

主程序文件集成了完整的压缩感知重建流程，包含K空间数据预处理、稀疏变换选择、迭代优化算法执行、重建结果后处理以及质量评估指标计算等核心功能。该文件通过协调各算法模块的工作，实现了从欠采样数据到高质量图像的重建全过程，并提供重建进度监控和结果可视化支持。