A dynamic magnetic resonance imaging (MRI) such as cardiac MRI or functional MRI (fMRI) requires a significant reduction of the data acquisition time in order to capture the cardiac motion or blood-oxygenation level dependent (BOLD) response in a short time. The conventional approaches to the dynamic imaging include parallel imaging, generalized series (GS), higher-order generalized series (HGS) and their combinations. Recently, compressed sensing (CS) is an emerged technique for reconstructing signals from sampled data under the Nyquist rate, which uses the assumption of sparse representation of desired signal in a sparsifying transform domain. Since the dynamic imaging has the redundant data repetitively, the undersampled data is enough to reconstruct images using fully sampled reference data.
In this paper, we propose a novel reconstruction method that estimates the undersampled dynamic MR image which is sparsely represented by Karhunen-Loeve transform (KLT) and wavelet transform by using the fully sampled reference image. In order to evaluate the proposed method, we compared the proposed method with conventional method in computer simulation and experiments. In case of high reduction factor, the simulation and experimental results show that the proposed method can reconstruct dynamic signal better than those of conventional method.
심장 영상과 뇌기능 영상을 얻기 위한 동적 자기공명영상법은 심장의 움직임이나 뇌기능 신호를 짧은 시간 안에 검출하기 위해 높은 압축률을 사용하여 영상을 얻어야 한다. 기존의 방법들은 이러한 조건을 만족시키기 위해 병렬 영상법, 일반 급수, 고차 일반 급수 등의 알고리즘을 사용하여 개발되었다. 최근, 나이퀴스트 율 이하의 표본화 정보를 이용해 원 신호를 복원하는 방법인 압축 센싱이 각광받고 있다. 이 방법은 원 신호의 조밀한 정보 분포를 가정함으로 신호를 복원하는 방법이다. 동적 자기공명영상법에서 반복적으로 획득하는 영상에 중복적인 정보량이 많기 때문에 레퍼런스 영상을 이용해 동적 영상을 예측할 수 있다.
본 연구에서는 고해상도 레퍼런스 영상을 이용한 카루넨-뢰브 변환법과 웨이블릿 변환을 통해 적은 표본화 율을 갖는 동적 영상의 예측법을 제안하였다.
제안하는 방법의 성능을 평가하기 위해, 적은 표본화 율의 동적 영상신호에 대해 실험하였다. 제안하는 방법은 기존의 방법보다 더 좋은 복원 결과를 보임으로써 고해상도 동적 자기공명영상법에 적합함을 확인하였다. "