Reconstrucción Mejorada de Datos de Resonancia Magnética Mediante Aproximación por Descomposición por Valores Singulares
Fecha
Autor corporativo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Director
Altmetric
Resumen
Descripción
La reconstrucción de datos de resonancia magnética (RM) puede ser una tarea computacionalmente ardua. La razón señal-ruido también puede presentar complicaciones, especialmente en imágenes de alta resolución. En este sentido, la compresión de datos puede ser útil no sólo para reducir la complejidad y los requerimientos de memoria, sino también para reducir el ruido, hasta inclusive permitir eliminar componentes espurios.El presente trabajo propone el uso de un sistema basado en la descomposición por valores singulares de bajo orden para reconstrucción y reducción de ruido en imágenes de RM. El criterio de información de Akaike se utiliza para estimar el orden del modelo, que es usado para remover los componentes ruidosos y reducir la cantidad de datos procesados y almacenados. El método propuesto es evaluado usando datos de RM in vivo. Se presentan imágenes reconstruidas con menos de 20% de los datos originales y con calidad similar en cuanto a su inspección visual. Igualmente se presenta una evaluación cuantitativa del método.
The reconstruction of magnetic resonance imaging (MRI) data can be a computationally demanding task. Signal-to-noise ratio is also a concern, especially in high-resolution imaging. Data compression may be useful not only for reducing reconstruction complexity and memory requirements, but also for reducing noise, as it is capable of eliminating spurious components.This work proposes the use of a singular value decomposition low-rank approximation for reconstruction and denoising of MRI data. The Akaike Information Criterion is used to estimate the appropriate model order, which is used to remove noise components and to reduce the amount of data to be stored and processed. The proposed method is evaluated using in vivo MRI data. We present images reconstructed using less than 20% of the original data size, and with a similar quality in terms of visual inspection. A quantitative evaluation is also presented
The reconstruction of magnetic resonance imaging (MRI) data can be a computationally demanding task. Signal-to-noise ratio is also a concern, especially in high-resolution imaging. Data compression may be useful not only for reducing reconstruction complexity and memory requirements, but also for reducing noise, as it is capable of eliminating spurious components.This work proposes the use of a singular value decomposition low-rank approximation for reconstruction and denoising of MRI data. The Akaike Information Criterion is used to estimate the appropriate model order, which is used to remove noise components and to reduce the amount of data to be stored and processed. The proposed method is evaluated using in vivo MRI data. We present images reconstructed using less than 20% of the original data size, and with a similar quality in terms of visual inspection. A quantitative evaluation is also presented
Palabras clave
data reconstruction, denoising, magnetic resonance imaging, truncated SVD., descomposición truncada de valores singulares, reconstrucción de datos, reducción del ruido, resonancia magnética.