مقاله CARDIAC CINE MRI USING COMPRESSIVE SENSING PRINCIPLES word
نوشته شده به وسیله ی علی در تاریخ 95/7/24:: 5:3 صبح
مقاله CARDIAC CINE MRI USING COMPRESSIVE SENSING PRINCIPLES word دارای 4 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله CARDIAC CINE MRI USING COMPRESSIVE SENSING PRINCIPLES word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله CARDIAC CINE MRI USING COMPRESSIVE SENSING PRINCIPLES word ،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله CARDIAC CINE MRI USING COMPRESSIVE SENSING PRINCIPLES word :
سال انتشار: 1389
محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران
تعداد صفحات: 4
نویسنده(ها):
Pooria Zamani – CIPCE, School of Electrical and Computer Engineering University of Tehran Tehran, Iran
Mohammad H Kayvanrad – Robarts Research Institute University of Western Ontario London, ON, Canada
Hamid Soltanian-Zadeh – CIPCE, School of Electrical and Computer Engineering University of Tehran, Tehran, Iran. Radiology Image Analysis Lab. Henry Ford Health System, Detroit, MI, USA
چکیده:
MR images can be reconstructed from undersampled k-t space data to increase image acquisition speed. We propose a new method to undersample the k-space and reconstruct images based on Compressive Sensing (CS) theory. To this end, statistical features extracted from each trajectory are clustered by the fuzzy c-means (FCM) method. The resulting class labels are considered as the states of a Markov chain. A hidden Markov model (HMM) is then trained to find the transition matrix. Trajectories having more non-diagonal transition matrices arechosen to sample data along them. An iterative thresholding algorithm is then used for reconstruction of the image. The proposed method outperforms two other methods in reconstructing half sampled Cardiac Cine MRI data. The use of fuzzy clustering as an intermediate tool to study complicated phenomena by HMM, applicability to non-dynamic MRI data, robustness to noise, faster and more accurate reconstruction describe specifications of the proposed method.
کلمات کلیدی :
