Dynamic Magnetic Resonance Imaging using Compressed Sensing with Multi-scale Low Rank Penalty

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>

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.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

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)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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