神经影像数据压缩的线性代数方法：基于矩阵和张量分解方法的高维医学图像比较分析
图像与视频处理
2025-11-25 v1 计算机视觉与模式识别
摘要
本文评估了 Tucker 分解和奇异值分解 (SVD) 用于压缩神经影像数据。Tucker 分解保留了多维关系，在重建保真度和感知相似性方面实现了优越的性能。SVD 在极端压缩方面表现出色，但牺牲了保真度。结果表明，Tucker 分解特别适合于需要保留结构和时序关系的应用。
引用
@article{arxiv.2511.18197,
title = {Linear Algebraic Approaches to Neuroimaging Data Compression: A Comparative Analysis of Matrix and Tensor Decomposition Methods for High-Dimensional Medical Images},
author = {Jaeho Kim and Daniel David and Ana Vizitiv},
journal= {arXiv preprint arXiv:2511.18197},
year = {2025}
}