稀疏 MRI 中的高维置信区间

Frederik Hoppe; Felix Krahmer; Claudio Mayrink Verdun; Marion Menzel; Holger Rauhut

doi:10.1109/ICASSP49357.2023.10096320

稀疏 MRI 中的高维置信区间

信号处理 2024-07-30 v1 信息论机器学习图像与视频处理 math.IT 统计理论应用统计统计理论

作者: Frederik Hoppe , Felix Krahmer , Claudio Mayrink Verdun , Marion Menzel , Holger Rauhut

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

无约束 $\ell_1$ -最小化是高维统计不确定性定量的前景解决方案之一。初始工作聚焦于实高斯设计作为此问题的玩具模型。然而，在医学成像应用中，如压缩感知 MRI，测量系统由(子采样)复傅里叶矩阵表示。本工作旨在将该方法扩展至 MRI 案例，以构建 MR 图像每个像素的置信区间。我们表明，充足的数据量为 $n \gtrsim \max\{ s_0\log^2 s_0\log p, s_0 \log^2 p \}$ 。

关键词

置信区间稀疏 MRI 去偏 LASSO 高维统计复傅里叶矩阵

引用

@article{arxiv.2407.18964,
  title  = {High-Dimensional Confidence Regions in Sparse MRI},
  author = {Frederik Hoppe and Felix Krahmer and Claudio Mayrink Verdun and Marion Menzel and Holger Rauhut},
  journal= {arXiv preprint arXiv:2407.18964},
  year   = {2024}
}

备注

Recognized with Best Student Paper Award at ICASSP 2023. arXiv admin note: substantial text overlap with arXiv:2212.14864

稀疏 MRI 中的高维置信区间

摘要

关键词

引用

备注

相关论文