Dynamic Magnetic Resonance Imaging using Compressed Sensing with Multi-scale Low Rank Penalty
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F17%3APU123541" target="_blank" >RIV/00216305:26220/17:PU123541 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/TSP.2017.8076094" target="_blank" >http://dx.doi.org/10.1109/TSP.2017.8076094</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/TSP.2017.8076094" target="_blank" >10.1109/TSP.2017.8076094</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Dynamic Magnetic Resonance Imaging using Compressed Sensing with Multi-scale Low Rank Penalty
Popis výsledku v původním jazyce
In multi-scale low rank decomposition model, the data are assumed to be a sum of block-wise low rank matrices with different scales of block sizes. In many practical applications, data itself is not represented directly, yet in some transformation domain, e.g. the data acquired in the Fourier domain in context of magnetic resonance imaging (MRI). In this paper, we present a natural extension of the multi-scale low rank model and propose its combination with a measurement operator. This modification is necessary for utilization of the model in compressed sensing perfusion MRI, where the compressed acquisition is crucial to achieve high spatial and temporal resolutions. We compare the proposed method with the recent ''low-rank + sparse'' method of Otazo, Candes & Sodickson and we show that the proposed method brings improvement in the quality of reconstructed intensity curves.
Název v anglickém jazyce
Dynamic Magnetic Resonance Imaging using Compressed Sensing with Multi-scale Low Rank Penalty
Popis výsledku anglicky
In multi-scale low rank decomposition model, the data are assumed to be a sum of block-wise low rank matrices with different scales of block sizes. In many practical applications, data itself is not represented directly, yet in some transformation domain, e.g. the data acquired in the Fourier domain in context of magnetic resonance imaging (MRI). In this paper, we present a natural extension of the multi-scale low rank model and propose its combination with a measurement operator. This modification is necessary for utilization of the model in compressed sensing perfusion MRI, where the compressed acquisition is crucial to achieve high spatial and temporal resolutions. We compare the proposed method with the recent ''low-rank + sparse'' method of Otazo, Candes & Sodickson and we show that the proposed method brings improvement in the quality of reconstructed intensity curves.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20201 - Electrical and electronic engineering
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 40th International Conference on Telecommunications and Signal Processing (TSP) 2017
ISBN
978-1-5090-3981-4
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
780-783
Název nakladatele
Neuveden
Místo vydání
Barcelona
Místo konání akce
Barcelona
Datum konání akce
5. 7. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000425229000165