PRAIRIE：基于核流形学习加速MR参数映射.pdfVIP

table{border‑collapse:collapse;}table,th,td{border:1pxsolid#000;}

PRAIRIE：使用基于核的流形学习和

预成像加速MR参数映射

1，1，1，1，和英丽斯1,2

1纽约州立大学布法罗分校电气工程系，纽约州布法罗市，；2纽约州

立大学布法罗分校生物医学工程系，纽约州布法罗市，

引言：MR参数映射为组织特性了有用的定量生物学信息。然而，临床应用通常受到

相对较长的时间的限制。已经提出了基于稀疏性的压缩感知重建方法来加速MR参数

映射[1‑6]。这些方法通常使用线性模型，而这些模型无法表征弛豫曲线中的非线性。，

在压缩感知框架中提出了非线性模型，并取得了成功[7‑9]。在本研究中，我们提出了一种

新的框架，利用非线性模型稀疏表示未知图像，命名为PRAIRIE。与先前使用非线性模

型的工作不同，这些工作同时重建图像序列，我们假设每个特定时间点的图像位于低维流

形上，并单独进行重建。低维流形从由参数模型生成的训练图像中学习。为了重