TÃtulo : |
Compressed Sensing Magnetic Resonance Image Reconstruction Algorithms : A Convex Optimization Approach |
Tipo de documento: |
documento electrónico |
Autores: |
Deka, Bhabesh, ; Datta, Sumit, |
Mención de edición: |
1 ed. |
Editorial: |
Singapore [Malasya] : Springer |
Fecha de publicación: |
2019 |
Número de páginas: |
XIII, 122 p. 38 ilustraciones, 23 ilustraciones en color. |
ISBN/ISSN/DL: |
978-981-1335976-- |
Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
Palabras clave: |
Procesamiento de la señal IngenierÃa Biomédica RadiologÃa Procesamiento de señales voz e imágenes IngenierÃa Biomédica y BioingenierÃa |
Clasificación: |
|
Resumen: |
Este libro presenta una revisión exhaustiva de los desarrollos recientes en algoritmos rápidos de reconstrucción de imágenes por resonancia magnética de detección comprimida (CS) basados ​​en la regularización de la norma L1. La resonancia magnética con detección comprimida (CS-MRI) puede reducir considerablemente el tiempo de exploración de la resonancia magnética, ya que es posible reconstruir imágenes de resonancia magnética a partir de solo unas pocas mediciones en el espacio k; muy por debajo de los requisitos de la frecuencia de muestreo de Nyquist. Los problemas de regularización basados ​​en normas L1 se pueden resolver eficientemente utilizando técnicas de optimización convexa de última generación, que en general superan a las técnicas codiciosas en términos de calidad de reconstrucciones. Recientemente, se han desarrollado algoritmos de reconstrucción basados ​​en optimización convexa rápida que también pueden alcanzar los puntos de referencia para el uso de CS-MRI en la práctica clÃnica. Este libro permite a los estudiantes de posgrado, investigadores y profesionales médicos que trabajan en el campo del procesamiento de imágenes médicas, particularmente en resonancia magnética, comprender la necesidad de la CS en la resonancia magnética y, por lo tanto, cómo podrÃa revolucionar la obtención de imágenes de tejidos blandos para beneficiar la tecnologÃa de la atención médica sin hacer grandes esfuerzos. cambios en el hardware del escáner existente. SerÃa particularmente útil para investigadores que acaban de ingresar al apasionante campo de CS-MRI y quisieran repasar rápidamente los desarrollos hasta la fecha sin sumergirse en el análisis matemático detallado. Finalmente, también analiza las tendencias recientes y las direcciones de investigación futuras para la implementación de CS-MRI en la práctica clÃnica, particularmente en aplicaciones de bioinformática y neuroinformática. |
Nota de contenido: |
1. Introduction to Compressed Sensing Magnetic Resonance Imaging -- 2. Compressed Sensing MRI Reconstruction Problem -- 3. Fast Algorithms for Compressed Sensing MRI Reconstruction -- 4. Simulation Results -- 5. Performance Evaluation and Benchmark Setting -- 6. Conclusions and Future Directions. |
Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
Compressed Sensing Magnetic Resonance Image Reconstruction Algorithms : A Convex Optimization Approach [documento electrónico] / Deka, Bhabesh, ; Datta, Sumit, . - 1 ed. . - Singapore [Malasya] : Springer, 2019 . - XIII, 122 p. 38 ilustraciones, 23 ilustraciones en color. ISBN : 978-981-1335976-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: |
Procesamiento de la señal IngenierÃa Biomédica RadiologÃa Procesamiento de señales voz e imágenes IngenierÃa Biomédica y BioingenierÃa |
Clasificación: |
|
Resumen: |
Este libro presenta una revisión exhaustiva de los desarrollos recientes en algoritmos rápidos de reconstrucción de imágenes por resonancia magnética de detección comprimida (CS) basados ​​en la regularización de la norma L1. La resonancia magnética con detección comprimida (CS-MRI) puede reducir considerablemente el tiempo de exploración de la resonancia magnética, ya que es posible reconstruir imágenes de resonancia magnética a partir de solo unas pocas mediciones en el espacio k; muy por debajo de los requisitos de la frecuencia de muestreo de Nyquist. Los problemas de regularización basados ​​en normas L1 se pueden resolver eficientemente utilizando técnicas de optimización convexa de última generación, que en general superan a las técnicas codiciosas en términos de calidad de reconstrucciones. Recientemente, se han desarrollado algoritmos de reconstrucción basados ​​en optimización convexa rápida que también pueden alcanzar los puntos de referencia para el uso de CS-MRI en la práctica clÃnica. Este libro permite a los estudiantes de posgrado, investigadores y profesionales médicos que trabajan en el campo del procesamiento de imágenes médicas, particularmente en resonancia magnética, comprender la necesidad de la CS en la resonancia magnética y, por lo tanto, cómo podrÃa revolucionar la obtención de imágenes de tejidos blandos para beneficiar la tecnologÃa de la atención médica sin hacer grandes esfuerzos. cambios en el hardware del escáner existente. SerÃa particularmente útil para investigadores que acaban de ingresar al apasionante campo de CS-MRI y quisieran repasar rápidamente los desarrollos hasta la fecha sin sumergirse en el análisis matemático detallado. Finalmente, también analiza las tendencias recientes y las direcciones de investigación futuras para la implementación de CS-MRI en la práctica clÃnica, particularmente en aplicaciones de bioinformática y neuroinformática. |
Nota de contenido: |
1. Introduction to Compressed Sensing Magnetic Resonance Imaging -- 2. Compressed Sensing MRI Reconstruction Problem -- 3. Fast Algorithms for Compressed Sensing MRI Reconstruction -- 4. Simulation Results -- 5. Performance Evaluation and Benchmark Setting -- 6. Conclusions and Future Directions. |
Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
|  |