Compressed Sensing: reconstrucción de señales a partir de mediciones incompletas

mañana - Aula Magna - 14:00hs Estudiantes

La Detección Comprimida (Compressed Sensing, CS) constituye un marco matemático que permite la reconstrucción exacta de señales a partir de mediciones altamente sub- muestreadas, en relación al límite establecido por la condición de Nyquist-Shannon. Su funcionamiento se basa en tres pilares fundamentales: (i) la dispersión en un dominio transformado, en el que la señal posee pocos coeficientes significativos, (ii) el sub-muestreo pseudoaleatorio en el dominio de adquisición, y (iii) el uso de algoritmos de reconstrucción no lineal que garantizan la consistencia con los datos medidos. Uno de los campos de aplicación más estudiados es el de las imágenes por resonancia magnética (MRI). Dado que la mayoría de las imágenes médicas son altamente compresibles, es posible sub-muestrear de manera agresiva durante la adquisición sin perder calidad de imagen. El uso de solucionadores iterativos no lineales permite la obtención de reconstrucciones de alta fidelidad, con elevadas tasas de aceleración. Como resultado notable, se logra una reducción significativa de los tiempos de exploración clínica sin sacrificar resolución espacial.