Greedy approximate projection for magnetic resonance fingerprinting with partial volumes
Greedy approximate projection for magnetic resonance fingerprinting with partial volumes
复制标题
部分体积磁共振指纹的贪婪近似投影
DOI：
10.1088/1361-6420/ab356d
复制
发表时间：
2020
期刊：
影响因子：
2.1
通讯作者：
Duarte R
中科院分区：
文献类型：
--
作者：
Duarte R
在定量磁共振成像中，由于空间分辨率的限制，传统方法存在所谓的部分体积效应(PVE)。PVE的结果是不能正确估计包含一个以上组织的体素的参数。磁共振指纹技术(MRF)也不例外。现有的解决PVE的方法既不具有可扩展性，也不准确。我们建议将每个体素的多个组织的恢复表示为一个非凸约束最小二乘问题。为了解决这个问题，我们提出了一种高效的、贪婪的近似投影梯度下降算法，称为GAP-MRF。我们的方法自适应地在由MRF序列定义的指纹流形上找到感兴趣的区域。我们推广了我们的方法，以补偿出现在模型中的相位误差，使用交替最小化方法。通过对PVE合成数据的模拟实验表明，我们的算法在重建质量上优于最先进的方法。我们的方法在EuroSpin体模和活体数据集上得到了验证。
In quantitative Magnetic Resonance Imaging, traditional methods suffer from the so-called Partial Volume Effect (PVE) due to spatial resolution limitations. As a consequence of PVE, the parameters of the voxels containing more than one tissue are not correctly estimated. Magnetic Resonance Fingerprinting (MRF) is not an exception. The existing methods addressing PVE are neither scalable nor accurate. We propose to formulate the recovery of multiple tissues per voxel as a non-convex constrained least-squares minimisation problem. To solve this problem, we develop a memory efficient, greedy approximate projected gradient descent algorithm, dubbed GAP-MRF. Our method adaptively finds the regions of interest on the manifold of fingerprints defined by the MRF sequence. We generalise our method to compensate for phase errors appearing in the model, using an alternating minimisation approach. We show, through simulations on synthetic data with PVE, that our algorithm outperforms state-of-the-art methods in reconstruction quality. Our approach is validated on the EUROSPIN phantom and on in vivo datasets.
登录
查看更多内容
影响因子：
4.6
作者：
Rieger B;Akçakaya M;Pariente JC;Llufriu S;Martinez-Heras E;Weingärtner S;Schad LR
通讯作者：
Schad LR
具有近乎最佳信号恢复投影的迭代硬阈值
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
R. Giryes;Michael Elad
通讯作者：
Michael Elad
DOI：
10.1109/jstsp.2010.2042411
发表时间：
2010-04-01
影响因子：
7.5
作者：
Blumensath, Thomas;Davies, Mike E.
通讯作者：
Davies, Mike E.
影响因子：
2.1
作者：
Beck, Amir;Teboulle, Marc
通讯作者：
Teboulle, Marc
DOI：
10.1073/pnas.0437847100
发表时间：
2003-03-04
影响因子：
11.1
作者：
Donoho, DL;Elad, M
通讯作者：
Elad, M