بهبود تصاویر تشدید مغناطیسی به کمک نظریه تنک

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 535

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCECN01_229

تاریخ نمایه سازی: 7 بهمن 1393

چکیده مقاله:

استفاده از نظریه پردازش تنک در تصویربرداری تشدید مغناطیسی (MRI) برای کاهش زمان نمونه برداری به وسیله ی کاهش تعداد نمونه ها، از جهات گوناگون مانند: روش های نمونه برداری در فضای k، روش های بازسازی منطبق، زمان و غیره مورد بررسی قرار می گیرد. در اینجا ما از میان روش های نمونه برداری تصادفی در مختصات کارتزین، استوانه ای و یا قطبی، روش نمونه برداری تک بعدی در مختصات کارتزین بر روی محور گرادیان کدگذار فاز با استفاده از توزیع گوسی با میانگین صفر در مرکز محور را به عنوان ارائه یک روش نمونه برداری در نظرگرفتیم. این انتخاب با توجه به نوع پیاده سازی روش های بازسازی، نوع توزیع و ویژگی های داده ی مورد آزمایش، قابلیت پیاده سازی عملی، توجه به مسئله فیزیولوژیکی، میزان تاثیر در کاهش زمان نمونه برداری و میزان اثر تخریب تصویر زیرنمونه برداری شده، بوده است.از آنجا که جمع آوری اطلاعات تصویر MRI در حوزه فضای k صورت می گیرد و تبدیل موجک (درحالت کلی) مناسب ترین حوزه ی تبدیل متعامد تنک می باشد، در اینجا ما پیاده سازی روش های بازسازی در نظر گرفته شده را به صورت غیرمحدب و با توجه به چگونگی نمونه برداری سیگنال تصویر انجام دادیم. علاوه بر آن، بازسازی تصویر زیرنمونه برداری شده، ملزم به حل سیستم غیرخطی می باشد که مسئله بهینه سازی نرم l_1 را به عنوان مبنای انتخاب روش های بازسازی درنظرگرفتیم. طوری که در این مقاله، ما با تعریف تابع هدف معادل با حل مسئله بهینه سازی نرم l_1 و تعریف پارامترهای آن متناسب با مشخصه های تصویربرداری تشدید مغناطیسی در حوزه فرکانس و استفاده از روش گرادیان مزدوج غیرخطی، هموتوپی و دو الگوریتم مشابه با آن برای کمینه سازی تابع هدف در حوزه تبدیل موجک به صورت غیرمحدب، نتایج قابل قبولی از وضوح و تفکیک پذیری تصویر بازسازی شده به دست آوردیم

کلیدواژه ها:

نویسندگان

محمود علیزاده پهلوانی

دانشگاه آزاد اسلامی واحد بوشهر.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Candes E, Romberg J, Tao T. "Robust uncertainty principles: Exact ...
  • Joshua Trzasko, Armando Manduca. " Highly Undersampled Magnetic Resonance Image ...
  • Chen S, Donoho D, Saunders M. "Atomic decomposition by basis ...
  • Rudin L, Osher S, Fatemi E. "Non-linear total variation noise ...
  • Seung-Jean Kim, Kwangmoo Koh, Michael Lustig, and Stephen Boyd, _ ...
  • Candes E, Romberg JK. "Signal recovery from random projections", SPIE ...
  • Daubechies I, Defrise M, Mol CD. "An iterative thresholding algorithm ...
  • Starck JL, Elad M, Donoho D. "Image decomposition via the ...
  • Elad M, Matalon B, Zibulevsky M. "Coordinate and subspace optimization ...
  • _ 0 _ 6/j .acha.2007.02 .002. ...
  • Ye JC, Tak S, Han Y, Park HW. "Projection reconstruction ...
  • Donoho D, Elad M, Temlyakov V. "Stable recovery of sparse ...
  • Atul Divekar, Okan Ersoy, "Image Fusion by Compressive Sensing", Purdue ...
  • Rick Chartrand, "Fast Algorithms For Nonconvex Compressive Sensing: MRI Reconstruction ...
  • M. Lustig, D. L. Donoho, J. M. Pauly, "Rapid MR ...
  • M. Lustig, D. L. Donoho, J. M. Pauly, "Sparse MRI: ...
  • Michael Lustig, David L. Donoho, Juan M. Santos, John M. ...
  • E. Candes and J. Romberg, "Sparsity and incoherence in compressive ...
  • نمایش کامل مراجع