xk+1=(μ1I+μ3SHS)-1[μ1WH(zk-bzk)+μ3SH(vk-bvk)],zk+1=soft(Wxk+1bzk,1μ1)where ]]> <math overflow="scroll"><mrow><mrow><mi>soft</mi><mo></mo><mrow><mo>(</mo><mrow><mi>x</mi><mo>,</mo><mi>T</mi></mrow><mo>)</mo></mrow></mrow><mo>=</mo><mrow><mo>{</mo><mrow><mrow><mrow><mtable><mtr><mtd><mrow><mi>x</mi><mo>+</mo><mi>T</mi></mrow></mtd><mtd><mrow><mrow><mrow><mi>if</mi><mo></mo><mstyle><mspace width="0.8em" height="0.8ex" /></mstyle><mo></mo><mi>x</mi></mrow><mo>≤</mo><mrow><mo>-</mo><mi>T</mi></mrow></mrow><mo>,</mo></mrow></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mrow><mrow><mrow><mi>if</mi><mo></mo><mstyle><mspace width="0.8em" height="0.8ex" /></mstyle><mo></mo><mrow><mo></mo><mi>x</mi><mo></mo></mrow></mrow><mo>≤</mo><mi>T</mi></mrow><mo>,</mo></mrow></mtd></mtr><mtr><mtd><mrow><mi>x</mi><mo>-</mo><mi>T</mi></mrow></mtd><mtd><mrow><mrow><mrow><mi>if</mi><mo></mo><mstyle><mspace width="0.8em" height="0.8ex" /></mstyle><mo></mo><mi>x</mi></mrow><mo>≥</mo><mi>T</mi></mrow><mo>,</mo></mrow></mtd></mtr></mtable><mo></mo><mstyle><mtext></mtext></mstyle><mo></mo><mi>and</mi><mo></mo><mstyle><mtext></mtext></mstyle><mo></mo><msup><mi>v</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msup></mrow><mo>=</mo><mrow><msup><mrow><mo>(</mo><mrow><mrow><msup><mi>F</mi><mi>H</mi></msup><mo></mo><mi>F</mi></mrow><mo>+</mo><mrow><msub><mi>μ</mi><mn>3</mn></msub><mo></mo><mi>I</mi></mrow></mrow><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><mo></mo><mrow><mo>[</mo><mrow><mrow><msup><mi>F</mi><mi>H</mi></msup><mo></mo><mi>y</mi></mrow><mo>+</mo><mrow><msub><mi>μ</mi><mn>3</mn></msub><mo></mo><mrow><mo>(</mo><mrow><msup><mi>Sx</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>+</mo><msubsup><mi>b</mi><mi>v</mi><mi>k</mi></msubsup></mrow><mo>)</mo></mrow></mrow></mrow><mo>]</mo></mrow></mrow></mrow><mo>,</mo></mrow></mrow></mrow></math> ;where k is an iteration counter, μ1 and μ3 are parameters of an augmented Lagrangian function, and bz and bv are dual variables of the augmented Lagrangian."/> ALTERNATING DIRECTION OF MULTIPLIERS METHOD FOR PARALLEL MRI RECONSTRUCTION
首页> 外国专利> ALTERNATING DIRECTION OF MULTIPLIERS METHOD FOR PARALLEL MRI RECONSTRUCTION

ALTERNATING DIRECTION OF MULTIPLIERS METHOD FOR PARALLEL MRI RECONSTRUCTION

机译:并行MRI重建的乘法交替方向法。

摘要

A method for reconstructing parallel magnetic resonance images includes providing a set of acquired k-space MR image data y, and finding a target MR image x that minimizes ½∥Fv−y∥22+λ∥z∥1 where v=Sx and z=Wx where S is a diagonal matrix containing sensitivity maps of coil elements in an MR receiver array, F is an FFT matrix, W is a redundant Haar wavelet matrix, and λ≧0 is a regularization parameter, by updating; <math overflow="scroll"><mrow><mrow><msup><mi>x</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>=</mo><mrow><msup><mrow><mo>(</mo><mrow><mrow><msub><mi>μ</mi><mn>1</mn></msub><mo></mo><mi>I</mi></mrow><mo>+</mo><mrow><msub><mi>μ</mi><mn>3</mn></msub><mo></mo><msup><mi>S</mi><mi>H</mi></msup><mo></mo><mi>S</mi></mrow></mrow><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><mo></mo><mrow><mo>[</mo><mrow><mrow><msub><mi>μ</mi><mn>1</mn></msub><mo></mo><mrow><msup><mi>W</mi><mi>H</mi></msup><mo></mo><mrow><mo>(</mo><mrow><msup><mi>z</mi><mi>k</mi></msup><mo>-</mo><msubsup><mi>b</mi><mi>z</mi><mi>k</mi></msubsup></mrow><mo>)</mo></mrow></mrow></mrow><mo>+</mo><mrow><msub><mi>μ</mi><mn>3</mn></msub><mo></mo><mrow><msup><mi>S</mi><mi>H</mi></msup><mo></mo><mrow><mo>(</mo><mrow><msup><mi>v</mi><mi>k</mi></msup><mo>-</mo><msubsup><mi>b</mi><mi>v</mi><mi>k</mi></msubsup></mrow><mo>)</mo></mrow></mrow></mrow></mrow><mo>]</mo></mrow></mrow></mrow><mo>,</mo><mstyle><mtext></mtext></mstyle><mo></mo><mrow><msup><mi>z</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>=</mo><mrow><mrow><mi>soft</mi><mo></mo><mrow><mo>(</mo><mrow><mrow><msup><mi>Wx</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msup><mo></mo><msubsup><mi>b</mi><mi>z</mi><mi>k</mi></msubsup></mrow><mo>,</mo><mfrac><mn>1</mn><msub><mi>μ</mi><mn>1</mn></msub></mfrac></mrow><mo>)</mo></mrow></mrow><mo></mo><mstyle><mspace width="0.8em" height="0.8ex" /></mstyle><mo></mo><mi>where</mi></mrow></mrow></mrow></math> <math overflow="scroll"><mrow><mrow><mi>soft</mi><mo></mo><mrow><mo>(</mo><mrow><mi>x</mi><mo>,</mo><mi>T</mi></mrow><mo>)</mo></mrow></mrow><mo>=</mo><mrow><mo>{</mo><mrow><mrow><mrow><mtable><mtr><mtd><mrow><mi>x</mi><mo>+</mo><mi>T</mi></mrow></mtd><mtd><mrow><mrow><mrow><mi>if</mi><mo></mo><mstyle><mspace width="0.8em" height="0.8ex" /></mstyle><mo></mo><mi>x</mi></mrow><mo>≤</mo><mrow><mo>-</mo><mi>T</mi></mrow></mrow><mo>,</mo></mrow></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mrow><mrow><mrow><mi>if</mi><mo></mo><mstyle><mspace width="0.8em" height="0.8ex" /></mstyle><mo></mo><mrow><mo></mo><mi>x</mi><mo></mo></mrow></mrow><mo>≤</mo><mi>T</mi></mrow><mo>,</mo></mrow></mtd></mtr><mtr><mtd><mrow><mi>x</mi><mo>-</mo><mi>T</mi></mrow></mtd><mtd><mrow><mrow><mrow><mi>if</mi><mo></mo><mstyle><mspace width="0.8em" height="0.8ex" /></mstyle><mo></mo><mi>x</mi></mrow><mo>≥</mo><mi>T</mi></mrow><mo>,</mo></mrow></mtd></mtr></mtable><mo></mo><mstyle><mtext></mtext></mstyle><mo></mo><mi>and</mi><mo></mo><mstyle><mtext></mtext></mstyle><mo></mo><msup><mi>v</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msup></mrow><mo>=</mo><mrow><msup><mrow><mo>(</mo><mrow><mrow><msup><mi>F</mi><mi>H</mi></msup><mo></mo><mi>F</mi></mrow><mo>+</mo><mrow><msub><mi>μ</mi><mn>3</mn></msub><mo></mo><mi>I</mi></mrow></mrow><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><mo></mo><mrow><mo>[</mo><mrow><mrow><msup><mi>F</mi><mi>H</mi></msup><mo></mo><mi>y</mi></mrow><mo>+</mo><mrow><msub><mi>μ</mi><mn>3</mn></msub><mo></mo><mrow><mo>(</mo><mrow><msup><mi>Sx</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msup><mo>+</mo><msubsup><mi>b</mi><mi>v</mi><mi>k</mi></msubsup></mrow><mo>)</mo></mrow></mrow></mrow><mo>]</mo></mrow></mrow></mrow><mo>,</mo></mrow></mrow></mrow></math> ;where k is an iteration counter, μ1 and μ3 are parameters of an augmented Lagrangian function, and bz and bv are dual variables of the augmented Lagrangian.
机译:一种用于重建平行磁共振图像的方法,包括提供一组获取的k空间MR图像数据y,并找到将½∥Fv-y∥ 2 2 < / Sup> +λ∥z∥ 1 其中v = Sx和z = Wx其中S是一个对角矩阵,其中包含MR接收器阵列中线圈元素的灵敏度图,F是FFT矩阵,W是冗余Haar小波矩阵,λ≥0为正则化参数,通过更新; <![CDATA [<数学溢出=“ scroll”> x k + 1 = < msub> μ 1 I + μ 3 S H < / mi> S - 1 [ μ 1 W H z k - b z k + μ 3 S H v k - b v k ] mrow> z k + 1 = soft Wx k + 1 b z k < / mi> 1 μ 1 < / msub> 其中 ]]> <![CDATA [ soft < mrow> x T = { x + T 如果 < mspace width =“ 0.8em” height =“ 0.8ex” /> x - T 0 if x T < mtd> x - T < mi> if x T v k + 1 = F H F + μ 3 I < mo>- 1 [ F H y + < mrow> μ 3 Sx k + 1 + b v k ] ]]> ;其中k是一个迭代计数器,μ 1 和μ 3 是增强拉格朗日函数的参数,b z 和b v 是扩充的拉格朗日的对偶变量。

著录项

相似文献

  • 专利
  • 外文文献
  • 中文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号