文献

J-GLOBAL ID：202202266777454112   整理番号：22A0554131

深い雑音除去と加重Schatten P-ノルム最小化の統合による圧縮センシングMRI【JST・京大機械翻訳】

Compressed Sensing MRI by Integrating Deep Denoiser and Weighted Schatten P-Norm Minimization

著者 (5件)： Yang Xiaomei (College of Electrical Engineering, Sichuan University, Chengdu, China) ,  Mei Yubo (College of Electrical Engineering, Sichuan University, Chengdu, China) ,  Hu Xunyong (College of Electrical Engineering, Sichuan University, Chengdu, China) ,  Luo Ruiseng (College of Electrical Engineering, Sichuan University, Chengdu, China) ,  Liu Kai (College of Electrical Engineering, Sichuan University, Chengdu, China)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 29  ページ： 21-25  発行年： 2022年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  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： 圧縮センシング(CS)を用いて,高度にアンダーサンプリングした測定から磁気共鳴映像(MRI)を効率的に再構成するために,このレターでは,深い事前と低ランクの事前からハイブリッド正則化モデルを提案した。高速フレキシブル雑音除去畳込みニューラルネットワーク(FFDNet)により,局所深層事前探索を行った。1)アンダーサンプリングK空間によるアーチファクト雑音に対するFFDNetの一般化能力,2)種々のアンダーサンプリング比に対する不正確な雑音推定を補償するために,著者らは,加重Schatten pノルムとして低ランクをモデリングし,MRIの大域的情報を得た。局所深層と低ランク先物によって結合された最終モデルを,プラグアンドプレイフレームワークの下で乗算器の交互方向法によって解決する。一般的なCS-MRI手法と比較して,実験結果は,提案方法が品質指数と視覚効果に関してより良い再構成性能を達成できることを証明した。Copyright 2022 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： *雑音 ,  乗算器 ,  ニューラルネットワーク ,  *信号標本化 ,  比率 ,  モデリング ,  視覚効果 ,  信号推定 ,  再構成 ,  *信号再生 ,  正則化 ,  深層 ,  *ノルム ,  アーチファクト ,  *雑音除去
準シソーラス用語： 雑音推定 ,  アンダーサンプリング ,  *圧縮センシング ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 雑音除去 ,  加重 ,  ノルム ,  最小化 ,  統合 ,  圧縮センシング ,  MRI