Resumen

Ahorrar tiempo de adquisición y reconstruir una imagen médica de resonancia magnética (RM) con detalles y características importantes a partir de sus mediciones compresivas es todo un reto. En este artículo, se propone un método novedoso para la adquisición de imágenes de RM por compresión longitudinal (LCS), en el que la similitud entre la imagen de referencia y la adquirida se combina con la transformada sparsifying conjunta. Además, la transformada sparsifying conjunta con la wavelet y el Contourlet puede representar eficientemente características isotrópicas y anisotrópicas y la función objetivo se resuelve mediante una versión extendida monótona de base suave del algoritmo de umbralización de contracción iterativa rápida (SFISTA). Los resultados experimentales demuestran que el modelo de regularización existente obtiene un mejor rendimiento con menos tiempo de adquisición y recupera tanto los bordes como los detalles finos de las imágenes de RM, mucho mejor que el modelo de regularización existente basado en la similitud y la transformada wavelet para LCS-MRI.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Tiempo de adquisición; imagen de resonancia magnética (RM) médica; medidas compresivas; imagen de RM longitudinal compresiva (LCS); transformada sparsificadora conjunta; función objetivo.
• Keywords:Acquisition time; medical magnetic resonance (MR) image; compressive measurements; longitudinal compressive sensing (LCS) MR imaging (MRI); joint sparsifying transform; objective function