文献

J-GLOBAL ID：202202248550501796   整理番号：22A0416946

畳込み辞書学習とラプラシアン事前を用いた圧縮センシングMRI再構成【JST・京大機械翻訳】

Compressed Sensing MRI Reconstruction Using Convolutional Dictionary Learning and Laplacian Prior

著者 (2件)： Sandilya Mrinmoy (Department of Electronics and Communication Engineering, Gauhati University, Guwahati, India) ,  Nirmala S. R. (School of Electronics and Communication Engineering, KLE Tech. University, Hubballi, India)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 251  ページ： 661-669  発行年： 2022年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 圧縮センシング磁気共鳴映像法(CS-MRI)において,辞書学習技術の応用は,K-SVD,マッチング追跡などの手法の開発によって10年長い道をcraり,特に入力信号適応性の文脈において,辞書学習法は特に有用である。MRIのデータ収集プロセスは,Rician,Gauss,Rayleigh雑音,呼吸アーチファクトのような運動アーチファクトのような,様々なタイプのノイズを伴う自然でノイズが多い。この文脈において,雑音の多い訓練サンプルと直接辞書を訓練することは,非効率的な辞書につながる可能性がある。さらに,構築した辞書の複雑性とサイズは非常に大きい。本論文では,MR画像に対する多様体学習と二重スパース性の概念を利用する簡潔でより代表的な辞書を得るためのラプラシアンスパース辞書(LSD)手法を提案した。これは既存の圧縮センシング方法論を用いてMR画像を再構成するために利用できる。本論文では,オンライン畳込み辞書学習(CDL)との方法を実証した。思考は効率を高め,再構成時間を短縮し,提案方法はMR画像再構成の問題に取り組むことを試みた。提案した方法から得られた結果を,計量-PSNRとSSIMを用いた従来のCS-MRI法と比較した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *畳込み ,  再構成 ,  データ収集 ,  NMRイメージング ,  アーチファクト ,  *Laplace演算子 ,  画像再構成
準シソーラス用語： スパース性 ,  ピーク信号対雑音比 ,  オンライン ,  多様体学習 ,  マッチング追跡 ,  *圧縮センシング ,  *辞書学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 圧縮センシング ,  磁気共鳴イメージング ,  辞書学習 ,  ラプラシアンスパース辞書(LSD) ,  畳込み辞書学習 ,  スパース再構成

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 畳込み ,  辞書学習 ,  ラプラシアン ,  圧縮センシング ,  MRI ,  再構成