用于动态 MR 图像在线重建的依赖非参数贝叶斯组字典学习
计算机视觉与模式识别
2015-02-19 v3
摘要
本文介绍了一种基于字典学习的方法，应用于 k 空间高度欠采样的 MR 图像序列实时重建问题。与传统字典学习不同，我们的方法整合了全局和分块（局部）稀疏性信息，并将一些先验信息纳入重建过程。此外，我们使用依赖分层 Beta 过程作为基于组的字典学习的先验，该先验能自适应地推断字典大小和每个分块的稀疏度，并确保相似的分块由相似的字典原子表示。我们还提出了一种基于交替方向乘子法 (ADMM) 的高效数值算法。通过广泛的实验结果，我们表明与其他最先进的基于字典学习 (DL) 的方法相比，所提出的方法实现了更优越的重建质量。
引用
@article{arxiv.1408.5667,
title = {Dependent Nonparametric Bayesian Group Dictionary Learning for online reconstruction of Dynamic MR images},
author = {Dornoosh Zonoobi and Shahrooz Faghih Roohi and Ashraf A. Kassim},
journal= {arXiv preprint arXiv:1408.5667},
year = {2015}
}