二、图像重建的应用场景

磁共振成像是一种无损伤的医学影像成像手段，可以显示人体的结构和功能信息，具有CT等成像方法无法比拟的优点。因此，磁共振重建是目前医学影像的研究热点。一般来说，为得到好的成像效果，需要获取大量的原始信号，这将需要花费很长的扫描时间。尽管磁共振具有无辐射、软组织清晰等优势，但是扫描时间大大限制了它的使用。例如，一个MRI扫描需要10分钟左右，而CT只要数秒钟。此外，扫描时间长会带来一系列问题，比如病人不适、医疗仪器的成本回收周期延长，以及病人身体移动导致的图像质量问题等。正是这些问题导致了现实中在医院做磁共振需要长时间的预约等待。可见，目前磁共振成像的时间问题是磁共振成像技术应用的难点和痛点。这要求从采样方式、重建模型和快速算法上进行改进。磁共振成像的研究热点主要集中在：

（一）磁共振采样方式的探索和建模

为了加快磁共振成像的速度，一个方法是采用多个线圈阵列同时采集信号，通过对k空间进行欠采样，以减少相位编码步数；在重建时，将每个线圈采集到的信号一起重建，这称作部分并行磁共振成像（partially parallel imaging，PPI）。部分并行磁共振成像能大幅缩短扫描时间，提高成像速度，是磁共振成像的重要技术。

还有一种使用单线圈进行欠采样重建的方式，即压缩感知（compressed sensing，CS）。奈奎斯特-香农采样定理告诉我们，在等步长采样的情况下，若想完整地重建原始信号，采样的点数应当足够多，其对应的采样频率应至少为原始信号中最高频率分量的两倍。压缩感知理论则告诉我们，如果信号在某个变换域中具有稀疏性，则可以使用更少的采样点来重建大部分原始信号。此时的采样方式也未必是等步长采样了。在压缩感知MRI中，最常见的一种采样方式是使用高斯采样矩阵进行采样［图3-1-4（e）］。另外，随着神经网络在图像重建中的不断应用，建立神经网络学习采样矩阵也受到一定关注。

（二）运动伪影的消除

磁共振成像时间长，病人在此过程中身体发生移动在所难免，从而会产生运动伪影（motion artifact），进而影响成像质量。如何消除运动伪影是提高磁共振影像质量的一个非常重要的问题。

图3-1-4　基于稀疏字典的医学图像重建

（a）k空间信号；（b）原图；（c）欠采样0填充重建结果；（d）基于稀疏字典的重建结果；（e）测量矩阵；（f）是（b）的局部放大图；（g）是（c）的局部放大图；（h）是（d）的局部放大图。

（三）磁共振成像模型的快速算法研究

改进成像时间的问题，一个显而易见的想法是从图像重建的快速算法入手。因此，一系列关于改进磁共振成像的快速算法正方兴未艾。