形变校正压缩感知 (DC-CS)：一种加速动态 MRI 的新框架
计算机视觉与模式识别
2014-09-04 v2
摘要
我们提出了一种新颖的形变校正压缩感知（DC-CS）框架，用于从欠采样测量中恢复动态磁共振图像。我们引入了一种广义公式，能够处理形变校正后的动态信号上各类稀疏性/紧致性先验。在本工作中，我们考虑了示例性的紧致性先验，如时域傅里叶域的稀疏性、时域有限差分域的稀疏性以及利用低秩结构的核范数惩罚。利用变量分裂，我们将复杂的优化问题解耦为更简单且易于理解的子问题； resulting 算法在基于收缩的去噪、可变形配准和二次优化步骤之间交替进行。此外，我们采用高效的延拓策略以最小化收敛到局部极小值的風險。所提出的公式与现有的针对自由呼吸心脏电影成像定制的 DC-CS 方案以及其他依赖完全采样参考帧或导航信号来估计形变参数的方案形成对比。该方案实现的高效解耦使其能够应用于包括对比增强动态 MRI 在内的广泛场景。通过对数值体模和体内心肌灌注 MRI 数据集的实验，我们证明了所提出的 DC-CS 方案在提供鲁棒重建方面的效用，相较于利用原始未校正形变信号紧致先验的经典压缩感知方案，其运动伪影更少。
引用
@article{arxiv.1405.7718,
title = {Deformation corrected compressed sensing (DC-CS): a novel framework for accelerated dynamic MRI},
author = {Sajan Goud Lingala and Edward DiBella and Mathews Jacob},
journal= {arXiv preprint arXiv:1405.7718},
year = {2014}
}