Cette étude vise à concevoir un modèle novateur d’imagerie par résonance magnétique fondé sur un nouveau cadre théorique mathématique qui assure une reconstruction stable. Cette nouvelle approche pourrait se révéler beaucoup plus rapide que les implémentations antérieures, augmentant ainsi l’efficacité de l’acquisition de données.
Boursier postdoctoral : docteur Xiteng Liu, mathématiques et statistiques, Université York
Professeur : docteur Hongmei Zhu, mathématiques et statistiques, Université York
l’imagerie par résonance magnétique (IRM) est une technologie d’imagerie médicale importante pour les diagnostics cliniques. Toutefois, sa lenteur dans l'acquisition de données pose de sérieux problèmes pratiques. Au cours des dernières années, les efforts visant à accélérer l’acquisition de données ase sont souvent appuyés sur la théorie de l’acquisition comprimée (AC). L’AC est efficace pour des signaux qui ont des représentations très éparses. Cependant, elle présente une grande complexité sur le plan informatique, et sa performance se révèle instable. Dans la recherche que nous proposons, notre voulons concevoir un modèle d’IRM novateur fondé sur la théorie de compression des systèmes (CS), un nouveau cadre théorique mathématique ayant des visées similaires à ceux de l’AC, mais qui garantit une reconstruction stable. Cette nouvelle approche pourrait se révéler plus rapide que les implémentations basées sur l’AC, augmentant ainsi l’efficacité de l’acquisition de données. Notre recherche profitera à l’industrie des soins de santé grâce au développement de séquences d’IRM diagnostiques plus rapides et de meilleure qualité.