B-FIRE：基于无分箱扩散隐式神经表征的高加速运动分辨 MRI
计算机视觉与模式识别
2026-04-28 v2
摘要
加速动态体积磁共振成像（4D MRI）是依赖运动分辨率的关键应用。现有 4D MRI 产生可接受的呼吸相平均失真，但会模糊并误表述瞬时动态信息。恢复此类信息需要一种新范式来重建极度欠抽样的非 Cartesion 空间数据。我们提出 B-FIRE，一种无分箱扩散隐式神经表征框架，用于实现高度加速的 MR 重建，能够反映瞬时 3D 腹部解剖结构。B-FIRE 采用 CNN-INR 编码器-解码器主干网络，通过包含综合损失的扩散进行优化，该损失约束图像域保真度和频率感知约束。训练时使用分箱图像对作为参考，而推断时则在无分箱欠抽样数据上进行。实验在 T1 加权 StarVIBE 肝脏 MRI 队列上进行，加速比从每帧 8 根弦（RV8）到 RV1 不等。将 B-FIRE 与直接 NuFFT、GRASP-CS 和 unroll CNN 方法进行比较。评估重建保真度、运动轨迹一致性和推断延迟。
引用
@article{arxiv.2601.06166,
title = {B-FIRE: Binning-Free Diffusion Implicit Neural Representation for Hyper-Accelerated Motion-Resolved MRI},
author = {Di Xu and Hengjie Liu and Yang Yang and Mary Feng and Jin Ning and Xin Miao and Jessica E. Scholey and Alexandra E. Hotca-cho and William C. Chen and Michael Ohliger and Martina Descovich and Huiming Dong and Wensha Yang and Ke Sheng},
journal= {arXiv preprint arXiv:2601.06166},
year = {2026}
}