使用 Noiselet 编码的多通道压缩感知 MRI
医学物理
2018-11-21 v2 计算机视觉与模式识别
摘要
测量矩阵与稀疏化变换矩阵之间的不相干性以及测量矩阵的受限等距性质 (RIP) 是决定压缩感知 (CS) 性能的两个关键因素。在 CS-MRI 中，随机欠采样傅里叶矩阵通常用作测量矩阵，小波变换用作稀疏化变换矩阵。然而，随机欠采样傅里叶矩阵与小波矩阵之间的不相干性并非最优，这会降低 CS-MRI 的性能。利用 noiselet 与小波具有最大不相干性的数学结果，本文引入 noiselet 酉基作为测量矩阵，以改善 CS-MRI 中的不相干性和 RIP，并提出了一种设计 noiselet 编码脉冲序列的方法。该新颖编码方案与多通道压缩感知 (MCS) 框架相结合，以利用 MRI 扫描仪中使用的多通道数据采集优势。本文提出了经验 RIP 分析，以比较 MCS 中的多通道 noiselet 与多通道傅里叶测量矩阵。在 MCS 框架下进行了仿真，比较了不同加速因子下 noiselet 编码重建与傅里叶编码重建的性能。比较结果表明，多通道 noiselet 测量矩阵比其傅里叶对应矩阵具有更好的 RIP，且 noiselet 编码的 MCS-MRI 在保持图像分辨率方面优于傅里叶编码的 MCS-MRI，并能实现更高的加速因子。为证明所提出的 noiselet 编码方案的可行性，设计并实施了两种具有定制空间选择性射频激发脉冲的脉冲序列，在 3T 扫描仪上从体模和人脑中获取了 noiselet 域数据。
引用
@article{arxiv.1407.5536,
title = {Multichannel Compressive Sensing MRI Using Noiselet Encoding},
author = {Kamlesh Pawar and Gary F. Egan and Jingxin Zhang},
journal= {arXiv preprint arXiv:1407.5536},
year = {2018}
}