压缩感知 MRI 重建的可证明预条件化 Plug-and-Play 方法
图像与视频处理
2024-11-27 v2 最优化与控制
摘要
基于模型的方法在压缩感知（CS）MRI 重建中发挥关键作用。找到有效的先验来描述感兴趣图像族的统计分布对于基于模型的方法至关重要。Plug-and-Play（PnP）是一种通用框架，使用去噪算法作为先验或正则化器。最近的工作表明，基于预训练卷积神经网络的 PnP 方法在 CS MRI 重建中超越了其他经典正则化器。然而，PnP 的数值求解器对于 CS MRI 重建可能较慢。本文提出了一种预条件化 PnP（P^2nP）方法来加速收敛速度。此外，我们提供了 P^2nP 迭代固定点收敛性的证明。非 Cartessian 取样轨迹上的 CS MRI 重建数值实验说明了 P^2nP 方法的有效性和效率。
引用
@article{arxiv.2405.03854,
title = {Provable Preconditioned Plug-and-Play Approach for Compressed Sensing MRI Reconstruction},
author = {Tao Hong and Xiaojian Xu and Jason Hu and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:2405.03854},
year = {2024}
}
备注
16 figures, 5 tables