跳到正文
原文
arXiv · Signal Processing· Xiaoxin Huang, Masayuki Ohzeki
· 22 小时前

基于 QUBO 的 MRI 欠采样模式设计特征选择

QUBO-based feature selection for MRI undersampling pattern design

预印本 · 尚未经过同行评审

AI 导读

将 MRI 欠采样掩膜设计建模为 QUBO 特征选择,在 15%–40% 六种采样率下重建误差低于四种常规采样方法。

摘要 · AI 翻译

我们将笛卡尔磁共振成像(MRI)的欠采样掩膜设计表述为特征子集选择问题。每条采样线由一个二值特征表示,该特征指示其是否被包含在每个候选掩膜中。利用候选掩膜及其在训练集上的评估结果,我们估计互信息(MI)和条件互信息(CMI)。这些估计值以及一个采样计数惩罚项定义了一个二次无约束二值优化(QUBO)模型。该模型通过模拟退火和量子退火求解,以确定特征子集及其对应的采样掩膜。我们在测试集上评估所选子集,采用快速MRI膝关节幅度参考图像进行傅里叶欠采样模拟中的零填充重建,训练集与测试集在患者层面互不重叠。在所有测试的六个目标采样率(15%至40%)下,所得重建的平均均方根误差均低于四种传统采样方法所得结果。在所有测试采样率下,其平均结构相似性也高于使用单变量互信息排序所得结果。这些结果支持将信息论特征选择作为在测试的零填充模拟设置下进行MRI欠采样掩膜设计的一种方法。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Signal Processing · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。