面向动态 MRI 恢复的数据流形双线性建模
图像与视频处理
2020-02-28 v2 机器学习
机器学习
摘要
本文提出一种新颖的双线性建模框架，通过流形学习与稀疏逼近论证实现数据恢复，并考虑其在动态磁共振成像（dMRI）中的应用。每幅时域 MR 图像被视为位于或接近一个光滑流形的点，并识别标志点以简洁描述点云。为便于计算，降维模块生成标志点的低维/压缩表示。高保真 MRI 数据的恢复通过求解一个非凸最小化问题实现，该问题针对线性解压算子以及那些局部逼近潜在流形几何的标志点的仿射组合。本文还给出了一种可保证收敛至该非凸最小化问题平稳解的算法。上述框架利用了所获取数据的底层时空模式与几何结构，无需任何外部数据或信息的先验训练。在模拟及真实心脏电影与灌注 MRI 数据上的大量数值结果表明，该机器学习框架相较最先进的重建技术有显著改进。
引用
@article{arxiv.1812.10617,
title = {Bi-Linear Modeling of Data Manifolds for Dynamic-MRI Recovery},
author = {Gaurav N. Shetty and Konstantinos Slavakis and Abhishek Bose and Ukash Nakarmi and Gesualdo Scutari and Leslie Ying},
journal= {arXiv preprint arXiv:1812.10617},
year = {2020}
}