非 Cartesians 傅里叶成像的新型 k 空间模型

过去数十年来，基于模型的方法被广泛用于重建傅里叶成像数据，这类方法能够轻松纳入物理约束和先进的正则化/机器学习先验。最常见的建模方法是将连续图像表示为偏移的“体素”基函数的线性组合。尽管该方法已广泛研究和部署，但存在诸多长期性局限，包括高计算成本、收敛缓慢以及易产生伪影。本文从全新视角重新审视此模型，识别出可能此前被忽视的新问题（包括不希望的近似、周期性和零空间特征）。我们的洞见激发我们提出一种更能抵抗（旧有及新）局限性的模型。具体而言，新模型基于傅里叶域基函数展开，而非标准的图像域体素方法。针对非 Cartesians MRI 重建，呈现的示意结果表明，新模型实现了改进的图像质量（减少伪影）和/或降低的计算复杂度（更快的计算和改进的收敛）。