Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Unrolled L+S decomposition for compressed sensing in magnetic resonance imaging

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F22%3APU146496" target="_blank" >RIV/00216305:26220/22:PU146496 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.elektrorevue.cz/cz/clanky/zpracovani-signalu/0/unrolled-l-s-decomposition-for-compressed-sensing-in-magnetic-resonance-imaging--rozbaleny-l-s-rozklad-pro-komprimovane-snimani-pri-zobrazovani-magnetickou-rezonanci-/" target="_blank" >http://www.elektrorevue.cz/cz/clanky/zpracovani-signalu/0/unrolled-l-s-decomposition-for-compressed-sensing-in-magnetic-resonance-imaging--rozbaleny-l-s-rozklad-pro-komprimovane-snimani-pri-zobrazovani-magnetickou-rezonanci-/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Unrolled L+S decomposition for compressed sensing in magnetic resonance imaging

  • Popis výsledku v původním jazyce

    A deep unrolled reconstruction method for dynamic magnetic resonance imaging is developed, based on the low-rank + sparse model. A standard solver of this model is enriched with trainable structures, forming a deep neural network, and several variants of the unrolled algorithm are trained on a simulated dataset. Evaluation against the standard solver for the model shows improvement in terms of mean squared error with the same computational cost.

  • Název v anglickém jazyce

    Unrolled L+S decomposition for compressed sensing in magnetic resonance imaging

  • Popis výsledku anglicky

    A deep unrolled reconstruction method for dynamic magnetic resonance imaging is developed, based on the low-rank + sparse model. A standard solver of this model is enriched with trainable structures, forming a deep neural network, and several variants of the unrolled algorithm are trained on a simulated dataset. Evaluation against the standard solver for the model shows improvement in terms of mean squared error with the same computational cost.

Klasifikace

  • Druh

    J<sub>ost</sub> - Ostatní články v recenzovaných periodicích

  • CEP obor

  • OECD FORD obor

    20601 - Medical engineering

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EF19_073%2F0016948" target="_blank" >EF19_073/0016948: Kvalitní interní granty VUT</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Elektrorevue - Internetový časopis (http://www.elektrorevue.cz)

  • ISSN

    1213-1539

  • e-ISSN

  • Svazek periodika

    24

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    8

  • Strana od-do

    86-93

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus