关于

 L+S 模型很自然地可以表示动态 MRI 数据。重建欠采样数据需要 k−t 空间（采集）与 L 的奇异向量和 S 的稀疏域之间的不相干性。 L 和 S 之间的不相干性是背景和动态分量稳健分离所必需的。多线圈 L+S 重建是使用凸优化方法制定的，其中核范数用于强制 L 中的低秩，而 l1 范数用于强制 S 中的稀疏性。L+S 重建的可行性在多个动态中进行了测试真正加速的 MRI 实验包括心脏灌注、心脏电影、时间分辨血管造影、使用笛卡尔和径向采样的腹部和乳房灌注。

相关论文：

Low-rank and Sparse Matrix Decomposition for Accelerated Dynamic MRI with Separation of Background and Dynamic Components - PMC

工具

方法实现

多通道心脏MRI灌注成像

使用12通道心脏MRI数据，Cartesian采样，k-t空间欠采样，40帧连续图像。使用时域FFT实现时域卷积，low-rank正则项权重为0.01，稀疏正则项权重为0.01。迭代重建的次