Mar, 2024

多光谱磁共振波谱成像中基于压缩感知的物质动态时空重建

PDF
TL;DR通过压缩感知（CS）和基于物质基本光谱的部分可分模型，我们提出了一种新方法来从随机欠采样的多光谱磁共振波谱成像（MRSI）数据中重建物质的时空分布。我们利用空时稀疏性和时间平滑性作为先验知识执行 CS，实验结果表明我们的方法能够以极短的时间分辨率重建物质的时空分布，预期对揭示磁共振波谱成像数据中的物质动力学起到重要作用。
发现论文，激发创造
  • 基于统计物理的压缩感知重建

    本文介绍了一种基于概率重构方法、信令传递算法、及结晶成核理论的、能够精确重构低采样率稀疏信号的压缩感知算法，并使用统计物理方法进行了分析和实验验证。

    Sep, 2011

  • 一种具有理论保障的深度优化框架在压缩感知 MRI 中的应用

    提出了一种结合数值求解器和数据驱动架构的新型压缩感知磁共振成像 (CS-MRI) 方法，有效解决了现有算法中的深度学习收敛问题和鲁棒性问题，并明确了 MRI 过程中的 Rician 噪声分布，取得了更高的重建准确性和鲁棒性。

    Nov, 2018

  • MRI 采样模式学习

    本文利用压缩感知理论，提出了一种用于磁共振成像的稀疏采样模式学习方法，通过只有 7 个样本对的监督学习方法训练，可以在测试数据上取得较高重建质量。

    Jun, 2019

  • 基于模型的压缩感知

    本文提出了一种基于模型的压缩感知理论，提供了如何创建具有可证明性能保证的基于模型的恢复算法的具体指南，其中包括引入一类新的结构压缩信号以及一个新的充分条件来描述其恢复性能，命名为有限放大性质，这对应于传统压缩感知限制等比性的自然扩展。实验结果表明了这一新理论和算法的有效性和适用性。

    Aug, 2008

  • 深度估计缺陷因素及整体大分子信号辅助磁共振波谱定量

    在此论文中，研究者介绍了一种新方法 QNet，它使用深度学习来准确计量 Magnetic Resonance Spectroscopy (MRS) 中存在挑战的代谢物信号，通过直接预测非完美因素和背景信号来降低最终的计量问题的复杂性，并在大量测试数据和健康体内数据中得到验证和应用。

    Jun, 2023

  • MOSAIC：带有选择性注意力的遮蔽优化图像重建

    本文提出了一种名为 MOSAIC 的新型压缩感知框架，采用随机选取的压缩测量值，学习测量范围内的单次通用反演映射，结合了嵌入技术以及注意力机制，避免使用深度网络，并在标准数据集上实现了重建精度的最新进展。

    Jun, 2023

  • 磁共振指纹图像压缩灵敏度传感框架

    使用 Magnetic Resonance Fingerprinting (MRF) 技术，结合随机脉冲激发序列、随机 EPI 子采样策略和迭代投影算法，开发出一种压缩感知框架，能够从有限数量样本中同时准确恢复质子密度、T1、T2 和离共振映射。这些结果经过对大量仿真数据的验证。

    Dec, 2013

  • MIMO 雷达的空间压缩感知

    通过结构化随机矩阵的特性，我们发展出了一种多输入多输出（MIMO）雷达的稀疏定位框架，使得无需填充全部（奈奎斯特）阵列即可实现与填充阵列相当的性能，并且通过压缩感知恢复算法在性能上超越了经典方法，提供了高分辨率的虚拟阵列口径，同时仅需使用少量 MIMO 雷达元件。

    Apr, 2013

  • 用于快速和高保真扩散磁共振成像的同时 q 空间采样优化和重建

    提出了 SSOR 框架，通过优化 q 空间采样，结合扩散磁共振成像在 q 空间和图像域的特性，使用连续表示的球谐函数和重建网络，应用 l1 范数和总变差正则化，从而实现了对组织微结构特性和结构连接性进行非侵入性研究的有效捕获和重建。

    Jan, 2024

  • 基于可扩展学习的动态压缩磁共振采样优化

    本文研究将压缩感知应用于磁共振成像，通过优化采样掩蔽来减少采样时间，并提出了一种基于概率分布的确定性掩蔽的解决方案和一种基于贪心算法的近似解决方案，该方法有效降低了计算负担，并在动态 MRI 中证明了其良好的性能。

    Feb, 2019