Removal of high density Gaussian noise in compressed sensing MRI reconstruction through modified total variation image denoising method
Removal of high density Gaussian noise in compressed sensing MRI reconstruction through modified total variation image denoising method
复制标题
改进的全变分图像去噪方法去除压缩感知MRI重建中的高密度高斯噪声
DOI：
10.1016/j.heliyon.2020.e03680
复制
发表时间：
2020-03
期刊：
影响因子：
4
通讯作者：
Gang Cao
中科院分区：
文献类型：
--
作者：
Yonggui Zhu;Weiheng Shen;Fanqiang Cheng;Cong Jin;Gang Cao
提出了一种改进的全变分MRI图像去噪方法。首先，该方法去除了压缩感知MRI重建中K空间的噪声。然后，去除的K空间数据被用作压缩感知MRI模型中的部分频率观测。该方法在稀疏MRI重建中的效果优于RecPF方法、LDP方法、TVCMRI方法和FCSA方法。对Shepp-Logan体模和受不同强度噪声污染的真实的MR图像进行了测试，与RecPF、LDP、TVCMRI和FCSA相比，该方法具有更好的信噪比（SNR）、相对误差（ReErr）和结构相似性（SSIM）。
A modified total variation MRI image denoising method is proposed in this paper. First, the proposed method removes the noise inK-space in compressed sensing MRI reconstruction. Then, the removedK-space data is used as a partial frequency observation in compressed sensing MRI model. The proposed method shows better results than RecPF method, LDP method, TVCMRI method, and FCSA method in sparse MRI reconstruction. The proposed method is tested against Shepp-Logan phantom and real MR images corrupted by noise of different intensity level, and it gives better Signal-to-Noise Ratio (SNR), the relative error (ReErr), and the structural similarity (SSIM) than RecPF, LDP, TVCMRI, and FCSA.
登录
查看更多内容
DOI：
10.1109/tpami.2016.2625789
发表时间：
2017-10
影响因子：
23.6
作者：
Tomasz Pieciak;S. Aja‐Fernández;Gonzalo Vegas-Sánchez-Ferrero
通讯作者：
Tomasz Pieciak;S. Aja‐Fernández;Gonzalo Vegas-Sánchez-Ferrero
影响因子：
3.9
作者：
Yonggui Zhu;Yuying Shi
通讯作者：
Yonggui Zhu;Yuying Shi
影响因子：
10.9
作者：
Jiawen Yao;Zheng Xu;Xiaolei Huang;Junzhou Huang
通讯作者：
Jiawen Yao;Zheng Xu;Xiaolei Huang;Junzhou Huang
影响因子：
4
作者：
RUDIN, LI;OSHER, S;FATEMI, E
通讯作者：
FATEMI, E
CS-SENSE 并行成像的变分正则树结构小波稀疏性
影响因子：
3.9
作者：
Liu, Ryan Wen;Ma, Quandang;Xiong, Naixue
通讯作者：
Xiong, Naixue