一种适应性的、分离的多维MRI重建表示

于红博

摘要: 我们提出了一种新的方法来表示和重建多维磁共振成像（MRI）数据。我们的方法建立在一种新颖的、基于学习特征的图像表示上，将几何和对比度等不同类型的特征分离到不同的低维潜在空间中，从而更好地利用多维图像中特征之间的相关性，并将预先学习的特定于不同特征类型的先验信息合并到重建中。更具体地说，通过编码器-解码器网络和使用大量公开数据的图像转移训练来实现解耦，同时采用基于样式的解码器设计进行增强。引入了潜在扩散模型来对不同特征空间施加更强的约束。开发了新的重建公式和算法，将学习到的表示与零样本自监督学习适应和子空间建模相结合。所提出的方法已在加速的T1和T2参数映射上进行了评估，实现了超越最先进的重建方法的性能改进，而无需特定任务的监督训练或微调。这项工作提供了一种基于学习的多维图像重建的新策略，仅在问题特定或任务特定训练时可用有限数据。

更新时间: 2025-12-31 07:02:21

领域: eess.IV,cs.AI

下载: http://arxiv.org/abs/2512.24674v1