Název:
Rekonstrukce snímků z magnetické rezonance pomocí optimalizačních metod
Překlad názvu:
Magnetic resonance imaging via optimization methods
Autoři:
Onderlička, Tomáš ; Šorel,, Michal (oponent) ; Rajmic, Pavel (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2018
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstrakt: [cze][eng]
Magnetická rezonance je diagnostická metoda používaná pro zobrazení vnitřních orgánů těla. Její hlavní nevýhodou je dlouhá doba snímání, která jde ovšem zrychlit metodou komprimovaného snímání. Ta spočívá v naměření jen malé části dat a sestavení optimalizační úlohy, pomocí které je provedena rekonstrukce. Cílem této práce je popsat a naprogramovat základní optimalizační metody, dále je porovnat a ověřit na reálných datech, do jaké míry je možné snímání urychlit, aniž by došlo ke ztrátě kvality obrazu. V experimentu nejlépe dopadla metoda regularizace zobecněnou totální variační (TGV) normou, pomocí níž byla provedena kvalitní rekonstrukce při zachování pouze čtvrtiny měření.
Magnetic resonance imaging is a diagnostic method to form images of the organs in the body. Long acquisition times are the main disadvantage, however it is possible to accelerate the data acquisition with the method of compressed sensing by sensing fewer samples and formulating an optimization method for image reconstruction. The aim of this thesis is to describe and compare the common optimization methods and to create a software capable of solving them. Another objective is to observe how much the data acquisition can be accelarated without the loss of image quality when dealing with real data. The most promising method in the experiment was total generalized variation (TGV) regularization which was able to reconstruct an image with a proper quality using only a quarter of the data.
Klíčová slova:
komprimované snímání; magnetická rezonance; matematická optimalizace; podvzorkování; totální variace; zobecněná totální variace; compressed sensing; magnetic resonance; mathematical optimization; total generalized variation; total variation; undersampling
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/83275