vSHARP：用于逆问题重建的变量分裂半二次ADMM算法
图像与视频处理
2024-07-31 v2 计算机视觉与模式识别
医学物理
摘要
医学成像(MI)任务，如加速并行磁共振成像(MRI)，常涉及从含噪或不完整测量中重建图像。这等同于求解不适定逆问题，其令人满意的闭式解析解并不存在。传统方法如MRI重建中的压缩感知(CS)可能耗时或易得到低保真度图像。近来，大量深度学习(DL)方法在逆问题求解中展现出优于传统方法的性能。本研究中，我们提出vSHARP(用于逆问题重建的变量分裂半二次ADMM算法)，一种基于DL的求解MI中不适定逆问题的新方法。vSHARP利用半二次变量分裂方法，并采用交替方向乘子法(ADMM)展开优化过程。为保持数据一致性，vSHARP在图像域展开可微梯度下降过程，同时应用基于DL的降噪器(如U-Net架构)以提升图像质量。vSHARP还采用扩张卷积DL模型预测ADMM初始化的拉格朗日乘子。我们在两个不同数据集的加速并行MRI重建任务及另一数据集的加速并行动态MRI重建任务上评估vSHARP。与最先进方法的对比分析表明vSHARP在这些应用中性能更优。
引用
@article{arxiv.2309.09954,
title = {vSHARP: variable Splitting Half-quadratic Admm algorithm for Reconstruction of inverse-Problems},
author = {George Yiasemis and Nikita Moriakov and Jan-Jakob Sonke and Jonas Teuwen},
journal= {arXiv preprint arXiv:2309.09954},
year = {2024}
}
备注
22 pages, 9 figures, 5 tables