用于多对比度 MRI 重建的耦合字典学习
计算机视觉与模式识别
2021-03-11 v1
摘要
医学成像任务常涉及多种对比度，例如 T1 加权和 T2 加权磁共振成像（MRI）数据。这些对比度捕获与同一底层解剖结构相关的信息，因而表现出相似性。本文提出一种基于耦合字典学习的多对比度 MRI 重建（CDLMRI）方法，利用可用的引导对比度来恢复目标对比度。我们的方法包含三个阶段：耦合字典学习、耦合稀疏去噪以及 空间一致性强制。第一阶段学习一组捕获多种对比度间相关性的字典。通过利用所学自适应字典，第二阶段在引导对比度的辅助下执行联合稀疏编码以对受损目标图像去噪。第三阶段强制去噪图像与 空间域中测量值之间的一致性。对临床 MR 图像回顾性欠采样的数值实验表明，与最先进的方法相比，通过我们的设计引入额外的引导对比度可改善 MRI 重建。
引用
@article{arxiv.1806.09930,
title = {Coupled Dictionary Learning for Multi-contrast MRI Reconstruction},
author = {Pingfan Song and Lior Weizman and Joao F. C. Mota and Yonina C. Eldar and Miguel R. D. Rodrigues},
journal= {arXiv preprint arXiv:1806.09930},
year = {2021}
}
备注
2018 IEEE International Conference on Image Processing (ICIP)