ESPIRiT--an eigenvalue approach to autocalibrating parallel MRI: where SENSE meets GRAPPA.
ESPIRiT--an eigenvalue approach to autocalibrating parallel MRI: where SENSE meets GRAPPA.
复制标题
DOI：
10.1002/mrm.24751
复制
发表时间：
2014-03
影响因子：
3.3
通讯作者：
Lustig, Michael
中科院分区：
文献类型：
--
作者：
Uecker, Martin;Lai, Peng;Murphy, Mark J.;Virtue, Patrick;Elad, Michael;Pauly, John M.;Vasanawala, Shreyas S.;Lustig, Michael
并行成像允许重建来自未采样的多型线圈数据的图像。两种主要方法是：Sense，它明确使用线圈敏感性和Grappa，它利用K空间中学习的相关性。这项工作的目的是澄清他们的关系并发展和评估改进的算法
A理论分析表明：1。k空间中的相关性在校准矩阵的无空空间中编码。 2。两者都将解决方案限制在敏感性跨越的子空间中。 3。敏感性似乎是从空空间计算的重建操作员的主要特征向量。在实验示例中评估了基本假设和灵敏度图的质量。其他特征向量的外观激发了用多个地图进行扩展的感官重建，该地图与现有方法进行了比较
确认了无效空间和提取敏感性的高质量。扩展的重建结合了感官的所有优势与鲁棒性与类似于Grappa的某些错误。
在本文中，两种方法之间的差距最终被桥接。一种新的自动校准技术结合了两者的好处。
Parallel imaging allows the reconstruction of images from undersampled multi-coil data. The two main approaches are: SENSE, which explicitly uses coil sensitivities, and GRAPPA, which makes use of learned correlations in k-space. The purpose of this work is to clarify their relationship and to develop and evaluate an improved algorithm A theoretical analysis shows: 1. The correlations in k-space are encoded in the null space of a calibration matrix. 2. Both approaches restrict the solution to a subspace spanned by the sensitivities. 3. The sensitivities appear as the main eigenvector of a reconstruction operator computed from the null space. The basic assumptions and the quality of the sensitivity maps are evaluated in experimental examples. The appearance of additional eigenvectors motivates an extended SENSE reconstruction with multiple maps, which is compared to existing methods The existence of a null space and the high quality of the extracted sensitivities are confirmed. The extended reconstruction combines all advantages of SENSE with robustness to certain errors similar to GRAPPA. In this paper the gap between both approaches is finally bridged. A new autocalibration technique combines the benefits of both.
登录
查看更多内容
影响因子：
3.3
作者：
Raj, Ashish;Singh, Gurmeet;Weiner, Michael
通讯作者：
Weiner, Michael
影响因子：
10.6
作者：
Harikumar, G;Bresler, Y
通讯作者：
Bresler, Y
影响因子：
3.3
作者：
Griswold, MA;Jakob, PM;Haase, A
通讯作者：
Haase, A
影响因子：
20.6
作者：
Frigo, M;Johnson, SG
通讯作者：
Johnson, SG
DOI：
10.1109/29.32276
发表时间：
1989-07-01
期刊：
IEEE TRANSACTIONS ON ACOUSTICS SPEECH AND SIGNAL PROCESSING
影响因子：
--
作者：
ROY, R;KAILATH, T
通讯作者：
KAILATH, T