电子科学系积极响应着我校紧密围绕提高研究生教育质量这一核心，深化研究生培养与科研紧密结合的综合改革，突显研究生培养中的“研究”色彩。近来，该系磁共振与医学成像中的屈小波副教授/博导和陈忠教授/博导在多维磁共振波谱和成像的快速采集与信号重建理论、算法和应用等方面取得重要研究结果，指导的研究生以第一作者在IEEE Transactions高水平期刊连续发表3篇研究论文，具体包括：
2013级刘运松在IEEE TMI发表研究工作
压缩感知在加速磁共振成像（MRI）展示了巨大的潜力。快速的重建方法和高质量的图像质量是面临的两个重要问题。已有研究表明冗余的图像稀疏表示（比如紧标架变换）可以显著提高图像重建质量。但如何高效的求解基于冗余表示的图像重建问题仍具挑战。
刘运松等通过引入标准对偶框架,构建分解型稀疏算子的正交投影算子，提出一种适用于所有紧标架稀疏变换的映射快速迭代阈值算法(pFISTA)，并理论上证明了该算法收敛于平衡型稀疏模型。pFISTA的优势在于算法简洁、速度快，没有算法参数（模型正则化权重除外）且对稀疏变换不敏感等，因此广泛适用于磁共振成像的稀疏图像重建问题。
图1. 基于pFISTA的MRI图像重建结果
论文信息：Yunsong Liu, Zhifang Zhan, Jian-Feng Cai, Di Guo, Zhong Chen, Xiaobo Qu*. Projected iterative soft-thresholding algorithm for tight frames in compressed sensing magnetic resonance imaging, IEEE Transactions on Medical Imaging, 35(9): 2130-2140, 2016. (SCI&EI, IF 3.85)
2014级占志芳在IEEE TBME发表研究工作
对磁共振图像进行自适应稀疏表示有望降低稀疏快速采样MRI的重建误差，传统方法通过K-SVD等过完备字典训练来实现，但训练和图像重建时间较长。
占志芳等提出基于快速多类正交字典训练的磁共振图像重建方法（FDLCP）。该方法按照图像几何方向对图像块进行分类，然后分别每类图像块训练正交稀疏表示字典，最后将训练出来的多个字典用于磁共振图像稀疏重建。该方法不仅能利用训练多类字典来提高图像的稀疏表示能力，而且能保持训练正交字典快速计算能力。仿真数据和人脑数据的重建对比结果表明利用所提方法可以实现很低的图像重建误差，同时明显缩短图像重建时间。
图2. 基于几何方向分类的正交字典对图像的稀疏表示能力。(a)MRI源图, (b)部分图像块的几何方向，(c)135度方向的图像块标记，(d)未分类字典, (e)和(f)为几何方向字典。
论文信息：Zhifang Zhan, Jian-Feng Cai, Di Guo, Yunsong Liu, Zhong Chen, Xiaobo Qu*. Fast multiclass dictionaries learning with geometrical directions in MRI reconstruction, IEEE Transactions on Biomedical Engineering, 63(9):1850-1861, 2016. (SCI&EI, IF 2.35)
2014级应佳熙在IEEE TSP发表研究工作
在生物、化学和医学成像和波谱分析中，采集的信号通常可以建模成一系列指数函数的叠加。但由于加速采样或其它不可避免的原因，实际采样得到的信号有时不能满足奈奎斯特准则，导致采集数据丢失从而造成信号失真。如何从含数据丢失的信号中重建出完整的信号是当前信号处理领域的研究热点之一，但前沿低秩Hankel矩阵补全的指数信号重建方法无法有效地重建高维N (N ≥ 3)指数信号。
应佳熙等提出从少量采集数据中恢复N (N≥ 3)维指数信号重建方法。该方法在模型上同时利用CANDECOMP/PARAFAC张量结构和因子向量的指数结构，分别对前者运用最小二乘法去匹配低秩张量约束和后者排列成的结构化Hankel 矩阵施加核范数最小化约束，并证明了算法收敛条件。所提方法在仿真的高维指数信号和实测的磁共振波谱数据上验证，结果表明该方法可以从非常少量的采集数据中恢复出可靠的信号，并且重建信号所需的采集数据量远小于对比的典型张量重建方法。
(a)全采样谱 (b)CP张量重建 (c)所提方法
图3. 所提方法与低秩张量重建方法对10% 三维HNCO蛋白质谱重建结果
论文信息：Jiaxi Ying, Hengfa Lu, Qingtao Wei, Jian-Feng Cai, Di Guo, Jihui Wu, Zhong Chen, Xiaobo Qu*. Hankel matrix nuclear norm regularized tensor completion for N-dimensional exponential signals, IEEE Transactions on Signal Processing, 65(14): 3702-3717, 2017. (SCI&EI, IF 2.62)
除所列IEEE Transactions期刊外，计算感知课题组最近3年还在医学成像、生物化学和数学调和分析等交叉学科领域发表多篇高水平论文(Angewandte Chemie International Edition, 54(3):852-854, 2015; Medical Image Analysis,18(6):843-856, 2014; Medical Image Analysis, 27: 93-104, 2016; Applied and Computational Harmonic Analysis, 41(2):470-490, 2016.)。
这些工作受到国家自然科学基金（61571380、61201045、61302174和U1632274），福建省自然科学基金（2015J01346和2016J05205），厦门市重大疾病重点联合研究项目（3502Z20149032）的支持，中央高校基本业务费（20720150109和2013SH002）等基金资助。
相关链接：
硕士研究生介绍
导师介绍
计算感知研究小组介绍 http://csrc.xmu.edu.cn/
磁共振重点实验室介绍 http://esci.xmu.edu.cn/news/content.php?web=other&id=42
