回归物理学：面向 SMS MRI 重构的算子引导生成路径
计算机视觉与模式识别
2026-02-10 v1
摘要
同时多切片 (SMS) 成像通过面内 undersampling 可实现高度加速，但导致强耦合的逆问题，伴随确定性切片间干扰和缺失的 k-space 数据。大多数基于扩散的重构围绕高斯噪声破坏进行建模，依赖额外一致性步骤以整合 SMS 物理，而这往往与 SMS 采集中由算子决定的退化不匹配。我们提出算子引导框架，利用已知采集算子建模退化轨迹并通过确定性更新进行逆向。该框架内，我们引入算子条件双流互动网络 (OCDI-Net)，显式解�od 目标切片内容与切片间干扰，并预测算子对齐的结构化退化；我们将重构实例化为两阶段链式推断程序，分别执行 SMS 切片分离和面内完成。实验在 fastMRI 脑部数据和原采集的体内扩散 MRI 数据上表明，优于常规和基于学习的 SMS 重构方法，重构保真度提升且切片泄漏降低。
引用
@article{arxiv.2602.07820,
title = {Back to Physics: Operator-Guided Generative Paths for SMS MRI Reconstruction},
author = {Zhibo Chen and Yu Guan and Yajuan Huang and Chaoqi Chen and XiangJi and Qiuyun Fan and Dong Liang and Qiegen Liu},
journal= {arXiv preprint arXiv:2602.07820},
year = {2026}
}
备注
10 pages, 6 figures