电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月28日
]
标题: 图像空间栅格化用于非刚性运动校正的MR图像重建
标题: Image-Space Gridding for Nonrigid Motion-Corrected MR Image Reconstruction
摘要: 运动仍然是磁共振(MR)成像中的一个主要挑战,特别是在自由呼吸心脏MR成像中,数据是在多个心跳周期、不同呼吸阶段采集的。 我们采用基于模型的方法进行非刚性运动校正,解决两个挑战:(a)运动表示和(b)运动估计。 对于运动表示,我们通过适应非均匀快速傅里叶变换(NUFFT)推导出图像空间网格,以表示和计算非刚性运动,这提供了一个精确的前向伴随线性算子对。 然后我们引入非刚性SENSE算子,将非刚性运动纳入多线圈MR采集模型。 对于运动估计,我们使用低分辨率三维图像导航器(iNAVs)和高分辨率三维自导航图像导航器(self-iNAVs)。 在每个心跳期间,数据沿两种非笛卡尔轨迹采集:一种是稀疏覆盖三维k空间的高分辨率轨迹的子集,接着是一条完整的低分辨率轨迹。 我们使用完整的低分辨率数据重建每个心跳的三维iNAVs,这些数据随后用于估计整体运动并识别每个心跳的呼吸相位。 通过结合同一呼吸相位内多个心跳的数据,我们重建高分辨率三维自iNAVs,从而估算非刚性呼吸运动。 对于每个呼吸相位,我们构建非刚性SENSE算子,将非刚性运动校正重建重新表述为标准的正则化逆问题。 在初步研究中,所提出的方法增强了冠状动脉的清晰度,并改善了非心脏区域的图像质量,优于平移运动校正重建。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.