基于联合空间-角度稀疏先验的dMRI (k,q)-压缩感知
计算机视觉与模式识别
2017-08-04 v2
摘要
先进的扩散磁共振成像（dMRI）技术，如扩散谱成像（DSI）和高角度分辨率扩散成像（HARDI），与扩散张量成像相比仍未得到充分利用，因为产生精确的纤维取向估计所需的扫描时间显著更长。为加速DSI和HARDI，近期基于压缩感知（CS）的方法利用数据在空间域和角度域的稀疏表示，在相应的k-空间和q-空间进行欠采样。然而，现有最先进的框架分别在空间域和角度域施加稀疏性，并涉及相应稀疏正则化项之和。相比之下，我们提出了一种统一的(k,q)-CS公式，在空间-角度联合域中施加稀疏性，以进一步提高dMRI信号的稀疏性并降低所需的子采样率。为高效求解这一大规模全局重建问题，我们引入了一种利用字典可分离性的FISTA算法的新颖改进。我们在仿体和真实HARDI数据上表明，我们的方法仅采样(k,q)-空间的2-4%，就能实现比现有技术显著更精确的信号重建，为dMRI加速带来新的潜力。
引用
@article{arxiv.1707.09958,
title = {(k,q)-Compressed Sensing for dMRI with Joint Spatial-Angular Sparsity Prior},
author = {Evan Schwab and René Vidal and Nicolas Charon},
journal= {arXiv preprint arXiv:1707.09958},
year = {2017}
}
备注
To be published in the 2017 Computational Diffusion MRI Workshop of MICCAI