Unfolded Low-rank + Sparse Reconstruction for MRI

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68081731%3A_____%2F22%3A00568850" target="_blank" >RIV/68081731:_____/22:00568850 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216305:26220/22:PU144477
Výsledek na webu
<a href="https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2022_sbornik_2_v3.pdf" target="_blank" >https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2022_sbornik_2_v3.pdf</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Unfolded Low-rank + Sparse Reconstruction for MRI
Popis výsledku v původním jazyce
We apply the methodology of deep unfolding on the problem of reconstruction of DCE-MRI data. The problem is formulated as a convex optimization problem, solvable via the primal-dual splitting algorithm. The unfolding allows for optimal hyperparameter selection for the model. We examine two approaches - with the parameters shared across the layers/iterations, and an adaptive version where the parameters can differ. The results demonstrate that the more complex model can better adapt to the data.
Název v anglickém jazyce
Unfolded Low-rank + Sparse Reconstruction for MRI
Popis výsledku anglicky
We apply the methodology of deep unfolding on the problem of reconstruction of DCE-MRI data. The problem is formulated as a convex optimization problem, solvable via the primal-dual splitting algorithm. The unfolding allows for optimal hyperparameter selection for the model. We examine two approaches - with the parameters shared across the layers/iterations, and an adaptive version where the parameters can differ. The results demonstrate that the more complex model can better adapt to the data.

Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings II of the 28th Conference STUDENT EEICT 2022. Selected Papers
ISBN
978-80-214-6030-0
ISSN
2788-1334
e-ISSN
—
Počet stran výsledku
5
Strana od-do
271-275
Název nakladatele
Brno University of Technology, Faculty of Electrical Engineering and Communication
Místo vydání
Brno
Místo konání akce
Brno
Datum konání akce
26. 4. 2022
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
—

Podobné výsledky(10)