结合张量核范数与 Casorati 矩阵核范数正则化的动态心脏 MRI 重建
图像与视频处理
2022-06-03 v1 计算机视觉与模式识别
机器学习
摘要
低秩张量模型已被应用于加速动态磁共振成像(dMRI)。近来，一种基于 t-SVD 的新张量核范数被提出并用于张量补全。受张量核范数(TNN)与 Casorati 矩阵核范数(MNN)不同性质的启发，我们引入一种结合 TNN 与 Casorati MNN 正则化的框架来重建 dMRI，称之为 TMNN。该方法同时利用了动态 MR 数据的空间结构与时间相关性。该优化问题可由交替方向乘子法(ADMM)高效求解。为了进一步提升计算效率，我们在笛卡尔采样场景下开发了一种快速算法。基于心脏电影 MRI 与灌注 MRI 数据的数值实验证明了相较传统 Casorati 核范数正则化方法的性能提升。
引用
@article{arxiv.2206.00831,
title = {Dynamic Cardiac MRI Reconstruction Using Combined Tensor Nuclear Norm and Casorati Matrix Nuclear Norm Regularizations},
author = {Yinghao Zhang and Yue Hu},
journal= {arXiv preprint arXiv:2206.00831},
year = {2022}
}
备注
4 pages, 3 figures, 1 table, accepted in IEEE ISBI 2022