Scidown文献预览系统!
一种基于字典的图切算法用于MRI重建( A dictionary‐based graph‐cut algorithm for MRI reconstruction )
J Xu N Pannetier A Raj compressive sensing graph cuts parallel imaging SENSE
目的基于压缩感知(CS)的图像重建方法提出了随机欠采样方案,该方案产生的非相干、噪声Ike混叠伪影更容易去除。在去噪过程中,施加稀疏性强的先验值对去噪过程有重要的帮助。如果先验是L,p(0≤p≤1)范数的形式,稀疏性是已知的。CS方法通常使用这些先验的凸松弛,如L1范数,这可能没有充分利用CS的力量。提出了一种有效的离散优化方法,它不仅适用于任意L-p-范数先验,而且适用于高度非凸截断罚函数,得到一种特定类型的边,保留先验。这些高级特性使得最小化问题高度非凸性,因此需要更复杂的最小化例程。理论与方法本工作将边缘、保留先验知识和随机欠采样相结合,并使用一组称为图割的离散优化方法来求解结果优化。通过在字典中迭代地应用图割来解决所产生的优化问题,字典在这里定义为与这里使用的大脑MRI数据相关的适当构造的向量集。结果给出了实验结果和活体数据。结论该算法对活体数据的重建效果优于正则义和标准CS。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】