|
|
Modelování perfuzních křivek v dynamické magnetické rezonanci
Ochodnický, Erik ; Mangová, Marie (oponent) ; Rajmic, Pavel (vedoucí práce)
Perfúzne zobrazovanie pomocou dynamickej MRI má veľmi široké uplatnenie v lekárskej praxi, pretože poskytuje informácie o perfúznej charakteristike sledovaného tkaniva. Pri využití klasickej rekonštrukcie platí, že z dôvodu časovej náročnosti merania nie sme schopní zaznamenať dostatok vzoriek pre dosiahnutie potrebného časového a priestorového rozlíšenia. Je preto nutné využitie tzv.~komprimovaného snímania, ktoré umožní rekonštrukciu z menšieho počtu vzoriek pomocou optimalizačného modelu. V práci sú overené viaceré modely rekonštrukcie sekvencie obrazov pre reálne i simulované dáta a~tiež sú porovnané viaceré algoritmy na ich riešenie. Medzi použité modely patria dva L+S modely s odlišnou regularizáciou zložky S, riešené pomocou Forward-Backward a Chambolle-Pock algoritmu. Kvalita rekonštrukcie jednotlivých modelov bola porovnávaná najmä podľa získaných perfúznych kriviek. V poslednej časti je preskúmaná možnosť modifikácie SASS modelu pre zvýšenie kvality rekonštrukcie a odolnosti voči podvzorkovaniu, za účelom lepšej adaptácie modelu pre dynamické dáta.
|
|
|
Unfolded Low-rank + Sparse Reconstruction for MRI
Mokrý, O. ; Vitouš, Jiří
We apply the methodology of deep unfolding on the problem of reconstruction of DCE-MRI data. The problem is formulated as a convex optimization problem, solvable via the primal-dual splitting algorithm. The unfolding allows for optimal hyperparameter selection for the model. We examine two approaches - with the parameters shared across the layers/iterations, and an adaptive version where the parameters can differ. The results demonstrate that the more complex model can better adapt to the data.
|
|
|
Modelování perfuzních křivek v dynamické magnetické rezonanci
Ochodnický, Erik ; Mangová, Marie (oponent) ; Rajmic, Pavel (vedoucí práce)
Perfúzne zobrazovanie pomocou dynamickej MRI má veľmi široké uplatnenie v lekárskej praxi, pretože poskytuje informácie o perfúznej charakteristike sledovaného tkaniva. Pri využití klasickej rekonštrukcie platí, že z dôvodu časovej náročnosti merania nie sme schopní zaznamenať dostatok vzoriek pre dosiahnutie potrebného časového a priestorového rozlíšenia. Je preto nutné využitie tzv.~komprimovaného snímania, ktoré umožní rekonštrukciu z menšieho počtu vzoriek pomocou optimalizačného modelu. V práci sú overené viaceré modely rekonštrukcie sekvencie obrazov pre reálne i simulované dáta a~tiež sú porovnané viaceré algoritmy na ich riešenie. Medzi použité modely patria dva L+S modely s odlišnou regularizáciou zložky S, riešené pomocou Forward-Backward a Chambolle-Pock algoritmu. Kvalita rekonštrukcie jednotlivých modelov bola porovnávaná najmä podľa získaných perfúznych kriviek. V poslednej časti je preskúmaná možnosť modifikácie SASS modelu pre zvýšenie kvality rekonštrukcie a odolnosti voči podvzorkovaniu, za účelom lepšej adaptácie modelu pre dynamické dáta.
|
host ::
RSS.