鲁棒自校准结构化低秩 EPI 鬼影校正
图像与视频处理
2020-10-05 v3 计算机视觉与模式识别
摘要
目的：我们提出并评估一种用于 EPI 鬼影校正的新的结构化低秩方法，称为鲁棒自校准 LORAKS（RAC-LORAKS）。该方法可用于抑制由不同读出梯度极性之间的差异和/或不同激发之间的差异所引起的 EPI 鬼影。它不需要传统的 EPI 导航信号，并且对不完美的自校准数据具有鲁棒性。方法：自校准 LORAKS 是一种先前的用于 EPI 鬼影校正的结构化低秩方法，其利用 GRAPPA 类型的自校准数据来实现高质量鬼影校正。该方法在自校准数据完好时表现良好，但当自校准信息不完美时性能显著下降。RAC-LORAKS 从两方面推广了自校准 LORAKS。首先，它不完全信赖自校准数据的信息，而是在估计低秩矩阵结构时同时考虑自校准数据与 EPI 数据。其次，它利用自校准数据中的互补信息，在多对比度联合重建框架中改善 EPI 重建。RAC-LORAKS 使用仿真与体内数据进行了评估，包括与最先进方法的比较。结果：在若干复杂 EPI 采集场景（包括梯度回波脑成像、扩散编码脑成像与心脏成像）中，RAC-LORAKS 被证明相较最先进方法具有优良的鬼影消除性能。结论：RAC-LORAKS 提供了有效的 EPI 鬼影抑制，并对不完美的自校准数据具有鲁棒性。
引用
@article{arxiv.1907.13261,
title = {Robust Autocalibrated Structured Low-Rank EPI Ghost Correction},
author = {Rodrigo A. Lobos and W. Scott Hoge and Ahsan Javed and Congyu Liao and Kawin Setsompop and Krishna S. Nayak and Justin P. Haldar},
journal= {arXiv preprint arXiv:1907.13261},
year = {2020}
}