Quantitative MR Image Reconstruction using Parameter-Specific Dictionary Learning with Adaptive Dictionary-Size and Sparsity-Level Choice

Andreas Kofler (PTB) veröffentlichte zusammen mit Kirsten Kerkering (PTB), Laura Göschel (Charité-Unviersitätsmedizin Berlin), Ariane Fillmer (PTB) und Christoph Kolbitsch (PTB) einen Artikel in IEEE Transactions on Biomedical Engineering.

Der Artikel beschreibt eine neue Methode zur Gewinnung quantitativer MR-Parameter unter Verwendung von adaptivem Dictionary Learning und Sparse Coding. Anstatt zunächst die qualitativen Bilder mit Hilfe von Dictionary Learning und Sparse Coding zu rekonstruieren und dann ein nicht-lineares Fitting vorzunehmen, um die quantitativen Parameter zu erhalten, verwendet der Ansatz direkt die Dictionary-basierte Regularisierung für die gesuchten quantitativen Parameter. Auf diese Weise wird die Rekonstruktion um einen Faktor von etwa sieben beschleunigt. Darüber hinaus werden verschiedene Dictionaries für jeden der verschiedenen Parameter verwendet und Hyperparameter für das Dictionary und den Sparse-Coding-Bereich adaptiv in Abhängigkeit von den betrachteten Daten angepasst.

In dem Artikel wird die Methode auf ein T1-Parameter-Mapping im Gehirn angewandt und mit mehreren anderen Methoden verglichen, die eine auf Sparsity basierende Regularisierung verwenden.

Der akzeptierte Artikel ist unter ieee.org/document/10209588 verfügbar.

Ansprechpartner:

Andreas Kofler, E-Mail: 📧 andreas.kofler(at)ptb.de