文献

J-GLOBAL ID：202002231294128803   整理番号：20A0902107

低テンソル列ランクとスパース事前を利用した高アンダーサンプル(k,t)空間データからの動的MR画像再構成【JST・京大機械翻訳】

Dynamic MR Image Reconstruction From Highly Undersampled (k, t)-Space Data Exploiting Low Tensor Train Rank and Sparse Prior

著者 (3件)： Ma Shuli (School of Information and Electronics, Beijing Institute of Technology, Beijing, China) ,  Du Huiqian (School of Information and Electronics, Beijing Institute of Technology, Beijing, China) ,  Mei Wenbo (School of Information and Electronics, Beijing Institute of Technology, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 28690-28703  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 動的磁気共鳴画像(ダイナミックMRI)を用いて,生体組織を可視化し,それらの時間を変化させた。本論文において,著者らは,高度にアンダーサンプリングされた(k,t)空間データからの再構成のための新しいテンソルベースの動的MRIアプローチを提案した。それは,低いテンソルトレインランクと時間的スパース性制約を結合した。テンソル列(TT)分解を考慮すると,高次元テンソルを扱う上で優れた性能があり,TT分解を導入し,動的MRIデータの内部構造事前情報を利用するためにTT行列の低ランクを利用する。最初に,3次(k,t)空間データを高次元テンソルに変換するために,そして,各TT行列の低ランクを,異なる重みで強化した。計算の複雑さを減らすために,特異値分解を避けるために,2つの因数分解行列の最小Frobeniusノルムを用いてTT行列の核ノルムを置き換えた。第二に,時間次元に沿ったFourier係数のI_1ノルムを,再構成をさらに改善するためのスパース性制約として追加した。最後に,乗算器(ADMM)の交互方向方法に基づく効果的アルゴリズムを開発して,提案した最適化問題を解明した。提案した方法の性能を推定するために,3つの動的MRIデータセットについて多数の実験を行った。実験結果といくつかの最先端画像法との比較により,提案した方法の優れた性能を実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *テンソル ,  最適化問題 ,  生体組織 ,  可視化 ,  因数分解 ,  計算量 ,  高次元 ,  NMRイメージング ,  ノルム ,  *画像再構成 ,  特異値分解
準シソーラス用語： 事前知識 ,  スパース性 ,  アンダーサンプリング , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： テンソル ,  サンプル ,  MR画像 ,  再構成