Compressive sensing (CS) theory has been extensively investigated to reduce MRI scan time and reconstruct high resolution images from down-sampled k-space data by exploiting the sparsity of image in finite difference or transform domain. Recently, many high performance proximal algorithms such as a fast iterative shrinkage-thresholding algorithm (FISTA), alternating direction method of multipliers (ADMM), or a primal-dual algorithm have been considerably studied. However, depending on computing platforms, not only the rate of convergence but also memory usage are very important optimization factors. Hence, the main goal of this study is to perform comparative studies of these algorithms in terms of convergence speed and memory usages in the case of various type penalized 3D CS-MRI experiments including total variation, wavelet transform and patch-based low rank approximation. Our analysis and experimental results showed strength and weakness of each algorithm according to applications.
압축 센싱 이론의 발전으로 인해 MRI의 촬영 시간 감소 및 다운샘플링 된 데이터로부터의 고해상도 영상 복원이 가능해졌다. 최근에는 다양한 proxy 근접 알고리즘들이 개발 되면서 더욱 빠른 속도와 높은 효율성으로 압축 센싱 이론을 적용할 수 있는 배경이 마련되고 있다. 근래 가장 각광 받고 있는 대표적인 proxy 알고리즘으로 FISTA, ADMM, primal-dual algorithm이 존재한다. 각각의 알고리즘은 어플리케이션에 따라 수렴 속도, 메모리 사용 등에 있어서 상이한 성능을 보인다. 본 연구에서는 3차원 MRI 정적 영상 데이터에 다양한 어플리케이션을 적용하였을 때 각 proxy 알고리즘들이 어떠한 성능을 나타내는지 비교하고, 장단점을 분석하여 어플리케이션 별 최적화 된 proxy 알고리즘을 제시하는 것을 목적으로 하고 있다.
