CoverBLIP：用于磁共振指纹重建的加速可扩展迭代匹配滤波方法
计算机视觉与模式识别
2018-10-05 v1
摘要
当前流行的磁共振指纹(MRF)恢复方法受限于匹配滤波步骤的繁重计算，这源于多参数定量MRI应用中指纹字典规模与复杂度的不断增长。我们通过将字典原子组织为覆盖树(cover tree)结构，并采用相应的快速近似最近邻搜索来加速匹配滤波，从而解决这一缺陷。对于属于光滑低维流形的数据集，覆盖树提供的搜索复杂度关于数据量呈对数级。受此启发，我们提出了一种名为CoverBLIP的迭代重建算法，以解决大规模MRF问题，其中指纹字典(即Bloch响应的离散流形)编码了多个内禀NMR参数。我们研究了该算法的不同收敛形式，并表明在给定嵌入概念的条件下，CoverBLIP的不精确非凸迭代以与精确暴力搜索同阶的精度线性收敛至近全局解。我们在合成与真实世界数据集上采用不同采样策略的进一步检验表明，总搜索计算量降低了2到3个数量级。覆盖树对维数灾难具有鲁棒性，因此CoverBLIP为搜索高维原子提供了一种可扩展性概念——在时间-精度性能上的一致增益——这些高维原子可能因新兴多参数MRF字典中日益增长的非线性度而难以被轻易预处理(即降维)。
引用
@article{arxiv.1810.01967,
title = {CoverBLIP: accelerated and scalable iterative matched-filtering for Magnetic Resonance Fingerprint reconstruction},
author = {Mohammad Golbabaee and Zhouye Chen and Yves Wiaux and Mike Davies},
journal= {arXiv preprint arXiv:1810.01967},
year = {2018}
}