基于并行变密度近似消息传递（P-VDAMP）的无调谐多线圈压缩感知 MRI
数值分析
2022-04-29 v3 计算机视觉与模式识别
数值分析
图像与视频处理
摘要
磁共振成像（MRI）具有优异的软组织对比度，但受限于固有的缓慢数据采集过程。压缩感知从非相干采样数据中重建稀疏信号，已广泛用于加速 MRI 采集。压缩感知 MRI 需要调谐一个或多个模型参数，这通常靠手工完成，一般导致次优调谐。为解决该问题，我们基于作者先前的单线圈变密度近似消息传递（VDAMP）算法工作，将框架扩展至多接收线圈，提出并行 VDAMP（P-VDAMP）算法。对于伯努利随机变量密度采样，P-VDAMP 遵循“状态演化”，其中每次迭代的中间图像估计服从被零均值高斯向量（具有近似已知的协方差）污染的真实值的分布。据我们所知，P-VDAMP 是首个遵循具有精确跟踪参数的状态演化的多线圈 MRI 数据算法。我们利用状态演化通过斯坦无偏风险估计（SURE）在线自动调谐稀疏参数。P-VDAMP 在脑、膝和血管造影数据集上评估，并与快速迭代收缩阈值算法（FISTA）的四种变体（包括文献中两种无调谐变体）比较。所提方法具有与最优调谐稀疏权重的 FISTA 相似的重建质量与收敛时间，并在鲁棒性和重建质量上较竞争的无调谐方法有明显提升。
引用
@article{arxiv.2203.04180,
title = {Tuning-free multi-coil compressed sensing MRI with Parallel Variable Density Approximate Message Passing (P-VDAMP)},
author = {Charles Millard and Mark Chiew and Jared Tanner and Aaron T. Hess and Boris Mailhe},
journal= {arXiv preprint arXiv:2203.04180},
year = {2022}
}
备注
10 pages, 9 figures, submitted to IEEE TMI on 26th April 2022