No exact match found for Polec,, Jaroslav, using Polec Jaroslav instead...
National Repository of Grey Literature 4 records found  Search took 0.07 seconds. 
Increasing Resolution in Perfusion Magnetic Resonance Imaging Using Compressed Sensing
Mangová, Marie ; Polec,, Jaroslav (referee) ; Šmídl, Václav (referee) ; Rajmic, Pavel (advisor)
Perfusion magnetic resonance imaging is a medical diagnostic method which requires high spatial and temporal resolution simultaneously to capture dynamics of an intravenous contrast agent which is used to perfusion measurement. However, magnetic resonance imaging has physical limits which do not allow to have this resolution simultaneously. This thesis deals with compressed sensing which enables to reconstruct measured data from relatively few acquired samples (below Nyquist rate) while resolution required to perfusion analysis is increased. This aim could be achieved with suitably proposed apriory information about sensed data and model proposal. The reconstruction is then done as an optimization problem. Doctoral thesis brings several new reconstruction models, further proposes method to debias this estimates and examines influence of compressed sensing onto perfusion parameters. Whole thesis is ended with extension of compressed sensing into three-dimensional data. Here, the influence of reconstruction onto perfusion parameters is also described. In summary, the thesis shows that due to compressed sensing, temporal resolution can be increased with the fixed spatial resolution or spatial resolution can be increased with the fixed temporal resolution.
Inpainting of Missing Audio Signal Samples
Mach, Václav ; Polec,, Jaroslav (referee) ; Koldovský,, Zdeněk (referee) ; Rajmic, Pavel (advisor)
V oblasti zpracování signálů se v současné době čím dál více využívají tzv. řídké reprezentace signálů, tzn. že daný signál je možné vyjádřit přesně či velmi dobře aproximovat lineární kombinací velmi malého počtu vektorů ze zvoleného reprezentačního systému. Tato práce se zabývá využitím řídkých reprezentací pro rekonstrukci poškozených zvukových záznamů, ať už historických nebo nově vzniklých. Především historické zvukové nahrávky trpí zarušením jako praskání nebo šum. Krátkodobé poškození zvukových nahrávek bylo doposud řešeno interpolačními technikami, zejména pomocí autoregresního modelování. V nedávné době byl představen algoritmus s názvem Audio Inpainting, který řeší doplňování chybějících vzorků ve zvukovém signálu pomocí řídkých reprezentací. Zmíněný algoritmus využívá tzv. hladové algoritmy pro řešení optimalizačních úloh. Cílem této práce je porovnání dosavadních interpolačních metod s technikou Audio Inpaintingu. Navíc, k řešení optimalizačních úloh jsou využívány algoritmy založené na l1-relaxaci, a to jak ve formě analyzujícího, tak i syntetizujícího modelu. Především se jedná o proximální algoritmy. Tyto algoritmy pracují jak s jednotlivými koeficienty samostatně, tak s koeficienty v závislosti na jejich okolí, tzv. strukturovaná řídkost. Strukturovaná řídkost je dále využita taky pro odšumování zvukových nahrávek. Jednotlivé algoritmy jsou v praktické části zhodnoceny z hlediska nastavení parametrů pro optimální poměr rekonstrukce vs. výpočetní čas. Všechny algoritmy popsané v práci jsou na praktických příkladech porovnány pomocí objektivních metod odstupu signálu od šumu (SNR) a PEMO-Q. Na závěr je úspěšnost rekonstrukce poškozených zvukových signálů vyhodnocena.
Increasing Resolution in Perfusion Magnetic Resonance Imaging Using Compressed Sensing
Mangová, Marie ; Polec,, Jaroslav (referee) ; Šmídl, Václav (referee) ; Rajmic, Pavel (advisor)
Perfusion magnetic resonance imaging is a medical diagnostic method which requires high spatial and temporal resolution simultaneously to capture dynamics of an intravenous contrast agent which is used to perfusion measurement. However, magnetic resonance imaging has physical limits which do not allow to have this resolution simultaneously. This thesis deals with compressed sensing which enables to reconstruct measured data from relatively few acquired samples (below Nyquist rate) while resolution required to perfusion analysis is increased. This aim could be achieved with suitably proposed apriory information about sensed data and model proposal. The reconstruction is then done as an optimization problem. Doctoral thesis brings several new reconstruction models, further proposes method to debias this estimates and examines influence of compressed sensing onto perfusion parameters. Whole thesis is ended with extension of compressed sensing into three-dimensional data. Here, the influence of reconstruction onto perfusion parameters is also described. In summary, the thesis shows that due to compressed sensing, temporal resolution can be increased with the fixed spatial resolution or spatial resolution can be increased with the fixed temporal resolution.
Inpainting of Missing Audio Signal Samples
Mach, Václav ; Polec,, Jaroslav (referee) ; Koldovský,, Zdeněk (referee) ; Rajmic, Pavel (advisor)
V oblasti zpracování signálů se v současné době čím dál více využívají tzv. řídké reprezentace signálů, tzn. že daný signál je možné vyjádřit přesně či velmi dobře aproximovat lineární kombinací velmi malého počtu vektorů ze zvoleného reprezentačního systému. Tato práce se zabývá využitím řídkých reprezentací pro rekonstrukci poškozených zvukových záznamů, ať už historických nebo nově vzniklých. Především historické zvukové nahrávky trpí zarušením jako praskání nebo šum. Krátkodobé poškození zvukových nahrávek bylo doposud řešeno interpolačními technikami, zejména pomocí autoregresního modelování. V nedávné době byl představen algoritmus s názvem Audio Inpainting, který řeší doplňování chybějících vzorků ve zvukovém signálu pomocí řídkých reprezentací. Zmíněný algoritmus využívá tzv. hladové algoritmy pro řešení optimalizačních úloh. Cílem této práce je porovnání dosavadních interpolačních metod s technikou Audio Inpaintingu. Navíc, k řešení optimalizačních úloh jsou využívány algoritmy založené na l1-relaxaci, a to jak ve formě analyzujícího, tak i syntetizujícího modelu. Především se jedná o proximální algoritmy. Tyto algoritmy pracují jak s jednotlivými koeficienty samostatně, tak s koeficienty v závislosti na jejich okolí, tzv. strukturovaná řídkost. Strukturovaná řídkost je dále využita taky pro odšumování zvukových nahrávek. Jednotlivé algoritmy jsou v praktické části zhodnoceny z hlediska nastavení parametrů pro optimální poměr rekonstrukce vs. výpočetní čas. Všechny algoritmy popsané v práci jsou na praktických příkladech porovnány pomocí objektivních metod odstupu signálu od šumu (SNR) a PEMO-Q. Na závěr je úspěšnost rekonstrukce poškozených zvukových signálů vyhodnocena.

Interested in being notified about new results for this query?
Subscribe to the RSS feed.