MRI 重建中的线性可预测性：利用平移不变傅里叶结构实现更快速更优质的成像
信号处理
2020-02-19 v2
摘要
过去几十年中，人们提出了许多不同类型的计算成像方法以改进 MRI。在本文中，我们概述了假设 MRI 傅里叶数据具有线性可预测性的方法。线性预测在信号处理中广为人知，其最有辨识度的用途可能在于语音处理与谱估计应用。在 MRI 中，线性可预测性意味着数据可以以低于传统奈奎斯特速率采样，因为未测数据可作为已测样本的平移不变线性组合来补全。线性预测方法包括计算 MRI 重建领域最早的一些方法、现代临床实践中一些最广泛使用的计算 MRI 方法，以及一些最灵活通用的现代计算成像方法，其正赋能前所未有的新型数据采集方式。此外，线性可预测性的概念可用于统一若干更经典的 MRI 重建约束，且无需做出经典约束重建方法的强假设。
引用
@article{arxiv.1903.03141,
title = {Linear Predictability in MRI Reconstruction: Leveraging Shift-Invariant Fourier Structure for Faster and Better Imaging},
author = {Justin P. Haldar and Kawin Setsompop},
journal= {arXiv preprint arXiv:1903.03141},
year = {2020}
}
备注
Submitted to IEEE Signal Processing Magazine, Special Issue on Computational MRI: Compressed Sensing and Beyond