基于结构化低秩矩阵模型的无导航 EPI 伪影校正：新理论与方法
计算机视觉与模式识别
2019-02-11 v3 信息论
math.IT
医学物理
摘要
结构化低秩矩阵模型此前已被引入以实现从次奈奎斯特数据进行无校准 MR 图像重建，且此类思想最近已被扩展以实现无导航回波平面成像 (EPI) 伪影校正。本文提出了新颖的理论分析，表明由于均匀子采样，在没有额外约束的情况下，EPI 数据的结构化低秩矩阵优化问题将始终具有不可取或非唯一的解。该理论促使我们推荐并研究无导航 EPI 的问题表述，这些表述结合了来自图像域或 k 空间域并行成像方法的旁侧信息。此外，还确定了使用非凸低秩矩阵正则化的重要性。我们使用体模和 \emph{在体} 数据证明，所提出的方法能够消除多种无导航 EPI 采集方案的伪影，在多种不同场景下与最先进的方法相比获得了更好的性能。展示了单通道采集和高度加速多通道采集的结果。
引用
@article{arxiv.1708.05095,
title = {Navigator-free EPI Ghost Correction with Structured Low-Rank Matrix Models: New Theory and Methods},
author = {Rodrigo A. Lobos and Tae Hyung Kim and W. Scott Hoge and Justin P. Haldar},
journal= {arXiv preprint arXiv:1708.05095},
year = {2019}
}
备注
13 pages, 9 figures ; Submitted to IEEE Transactions on Medical Imaging