Plug-and-Play Methods for Magnetic Resonance Imaging: Using Denoisers for Image Recovery.
Plug-and-Play Methods for Magnetic Resonance Imaging: Using Denoisers for Image Recovery.
复制标题
DOI：
10.1109/msp.2019.2949470
复制
发表时间：
2020-01
影响因子：
14.9
通讯作者：
Schniter P
中科院分区：
文献类型：
--
作者：
Ahmad R;Bouman CA;Buzzard GT;Chan S;Liu S;Reehorst ET;Schniter P
磁共振成像(MRI)是一种非侵入性诊断工具，在不使用电离辐射的情况下提供出色的软组织对比度。然而，与其他临床成像方式(如CT或超声)相比，MRI的数据采集过程天生就很慢，这导致了欠采样，从而推动了对欠采样数据集准确、高效重建方法的需求。在本文中，我们描述了“即插即用”(PnP)算法在MRI图像恢复中的应用。我们首先描述了磁共振成像中遇到的线性近似逆问题。然后，我们回顾了几种PNP方法，其中统一的共同点是迭代地调用去噪子程序作为更大的优化启发算法的一个步骤。接下来，我们描述如何将PNP方法的结果解释为平衡方程的解，从而从平衡的角度进行收敛分析。最后，我们给出了PNP方法在MRI图像恢复中的应用实例。
Magnetic Resonance Imaging (MRI) is a non-invasive diagnostic tool that provides excellent soft-tissue contrast without the use of ionizing radiation. Compared to other clinical imaging modalities (e.g., CT or ultrasound), however, the data acquisition process for MRI is inherently slow, which motivates undersampling and thus drives the need for accurate, efficient reconstruction methods from undersampled datasets. In this article, we describe the use of “plug-and-play” (PnP) algorithms for MRI image recovery. We first describe the linearly approximated inverse problem encountered in MRI. Then we review several PnP methods, where the unifying commonality is to iteratively call a denoising subroutine as one step of a larger optimization-inspired algorithm. Next, we describe how the result of the PnP method can be interpreted as a solution to an equilibrium equation, allowing convergence analysis from the equilibrium perspective. Finally, we present illustrative examples of PnP methods applied to MRI image recovery.
登录
查看更多内容
影响因子：
3.5
作者：
Hyun, Chang Min;Kim, Hwa Pyung;Seo, Jin Keun
通讯作者：
Seo, Jin Keun
影响因子：
2.1
作者：
Romano, Yaniv;Elad, Michael;Milanfar, Peyman
通讯作者：
Milanfar, Peyman
实时心血管MR具有时空伪影抑制，使用先天性心脏病中的概念深度学习。
影响因子：
3.3
作者：
Hauptmann A;Arridge S;Lucka F;Muthurangu V;Steeden JA
通讯作者：
Steeden JA
DOI：
10.1109/isbi.2018.8363663
发表时间：
2018-04
期刊：
Proceedings. IEEE International Symposium on Biomedical Imaging
影响因子：
--
作者：
Aggarwal HK;Mani MP;Jacob M
通讯作者：
Jacob M
影响因子：
4.4
作者：
Hansen, Michael S.;Kellman, Peter
通讯作者：
Kellman, Peter