磁気共鳴画像再構成のための最適化手法.主要なモデルと最適化アルゴリズム

Optimization Methods for Magnetic Resonance Image Reconstruction: Key Models and Optimization Algorithms.

• Jeffrey A Fessler

抄録

磁気共鳴（MR）画像再構成のための圧縮センシング法の開発は、MRイメージング（MRI）のためのモデルと最適化アルゴリズムに関する研究の爆発的な広がりをもたらしました。このような方法がMRIの文献に初めて登場してから約10年後、米国食品医薬品局（FDA）は特定の圧縮センシング方法を商業的に使用することを承認し、圧縮センシングはMRIの臨床的なサクセスストーリーとなりました。このレビューペーパーでは、臨床使用のためにFDAの承認を得ているタイプの方法と、データ適応型の正則化器を使用する研究コミュニティで検討されている最近の方法の両方を含む、MR画像再構成のためのいくつかの重要なモデルと最適化アルゴリズムを要約しています。MRIで使用されるシステムモデルと正則化器の構造を利用した多くのアルゴリズムが考案されているが、本論文ではそのようなアルゴリズムを1つの調査にまとめようとする。

The development of compressed sensing methods for magnetic resonance (MR) image reconstruction led to an explosion of research on models and optimization algorithms for MR imaging (MRI). Roughly 10 years after such methods first appeared in the MRI literature, the U.S. Food and Drug Administration (FDA) approved certain compressed sensing methods for commercial use, making compressed sensing a clinical success story for MRI. This review paper summarizes several key models and optimization algorithms for MR image reconstruction, including both the type of methods that have FDA approval for clinical use, as well as more recent methods being considered in the research community that use data-adaptive regularizers. Many algorithms have been devised that exploit the structure of the system model and regularizers used in MRI; this paper strives to collect such algorithms in a single survey.