Resumen

La reconstrucción de imágenes de resonancia magnética dinámica (dMRI) a partir de datos k-espaciales parcialmente muestreados tiene que hacer frente a un compromiso entre la resolución espacial y la resolución temporal. En este trabajo, se introduce un modelo de descomposición de bajo rango y disperso para resolver este problema, que se formula como un problema inverso regularizado por el análisis robusto de componentes principales (RPCA). El problema inverso puede resolverse mediante un método de optimización convexa. Proponemos un algoritmo escalable y rápido basado en los multiplicadores de Lagrange aumentados inexactos (IALM) para llevar a cabo la optimización convexa. Los resultados experimentales demuestran que nuestro algoritmo propuesto puede lograr una calidad de reconstrucción superior y una velocidad de reconstrucción más rápida en imágenes de cine cardiacas en comparación con los métodos de reconstrucción más avanzados existentes.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:problema inverso, resonancia magnética dinámica, análisis robusto de componentes principales, métodos de reconstrucción artística, imagen de cine cardiaca, método de optimización convexa, mayor velocidad de reconstrucción, modelo de descomposición dispersa, calidad de reconstrucción superior, multiplicadores de Lagrange
• Keywords:inverse problem, dynamic magnetic resonance imaging, robust principal component analysis, art reconstruction methods, cardiac cine image, convex optimization method, faster reconstruction speed, sparse decomposition model, superior reconstruction quality, Lagrange multipliers