本发明涉及一种非局部低秩约束的自校准并行磁共振成像重构方法,属于磁共振成像技术领域。并行磁共振成像重构一直是近几年的研究热点。本发明基于SPIRiT重构框架,提出一种图像非局部低秩约束(nonlocal low‑rank,NLR)的高质量磁共振成像重构模型,命名为NLR‑SPIRiT,利用交替方向乘子法(alternating实验比较了结合了联合全变分(Joint Total Variation,JTV)正则项的迭代自一致并行成像JTV‑SPIRiT模型。
本发明公开一种基于变换学习的局部空间邻域并行磁共振成像重构方法,属于磁共振图像处理技术领域。并行磁共振成像重构一直是近几年的研究热点,它是基于接收阵列的空间灵敏度的一种加速磁共振成像方法局部空间邻域的低秩模型(low‑rank modeling of local k‑space neighborhoods,LORAKS),是近几年提出的一种利用图像的线性位移不变性,将k‑space数据映射到高维矩阵中,使用低秩正则化来重构图像的并行磁共振成像重构的方法。本发明基于LORAKS重构框架,提出一种结合变换学习(Transform Learning,TL)的高质量磁共振成像重构算法,命名为TL‑LORAKS。