基于上图集投影的快速自调谐压缩感知 MRI
医学物理
2019-12-03 v2
摘要
压缩感知(CS)框架利用 MR 图像的稀疏性从欠采样采集中重建图像。CS 重建涉及一个或多个正则化参数,用于在变换域中的稀疏性与对采集数据的保真度之间进行权衡。虽然参数选择对重建质量至关重要,但最优参数因受试者和数据集而异。因此,常用的启发式参数选择对独立数据集的泛化能力很差。近期研究提出通过估计移除显著图像系数的风险来调整参数。在参数空间中进行线搜索以识别使该风险最小的参数值。尽管有效,这些线搜索导致重建时间大幅延长。在此,我们提出一种用于多线圈多采集重建的新型自调谐 CS 方法。所提方法利用对 和全变分范数上图集的计算高效投影,同时实现参数选择与正则化。文中给出了平衡稳态自由进动、时间飞跃和 T1 加权成像的体内演示。所提方法在计算效率上比较线搜索方法提升了近一个数量级,同时保持近乎最优的参数选择。
引用
@article{arxiv.1802.01892,
title = {Projection onto Epigraph Sets for Rapid Self-Tuning Compressed Sensing MRI},
author = {Mohammad Shahdloo and Efe Ilicak and Mohammad Tofighi and Emine U. Saritas and A. Enis Çetin and Tolga Çukur},
journal= {arXiv preprint arXiv:1802.01892},
year = {2019}
}
备注
Citation information: DOI 10.1109/TMI.2018.2885599, IEEE Transactions on Medical Imaging