通过展开低秩 + 稀疏优化改进 DCE-MRI
信号处理
2024-10-28 v1
摘要
基于两种流行范式：用于基于优化的重建的低秩 + 稀疏模型，以及深度展开，我们开发了一种利用 DCE-MRI 进行灌注成像的方法。我们设计了一种源自近端算法的可学习算法，重点强调简单性和可解释性。由此产生的深度网络使用带有脑肿瘤的大鼠的模拟测量数据进行训练和评估，结果显示其性能较经典的低秩 + 稀疏基线有大幅提升。此外，基于重建序列进行了定量灌注分析，证明即使基于简单的像素级误差进行训练，也能显著提高灌注图的质量。
引用
@article{arxiv.2312.07222,
title = {Improving DCE-MRI through unfolded low-rank + sparse optimisation},
author = {Ondřej Mokrý and Jiří Vitouš and Pavel Rajmic and Radovan Jiřík},
journal= {arXiv preprint arXiv:2312.07222},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication