面向多对比 MRI 超分辨率的基于卷积字典特征解耦的双提示专家网络
计算机视觉与模式识别
2025-12-22 v3
摘要
多对比磁共振成像（MRI）超分辨率旨在通过利用不同对比制剂获取的高分辨率（HR）参考图像中所包含的结构信息，从低分辨率（LR）扫描重建 HR 图像。该技术增强了解剖细节和软组织区分能力，这对于早期诊断和临床决策至关重要。然而，不同模态之间固有的对比差异在有效利用参考图像纹理以引导目标图像重建方面存在根本性挑战，常导致特征集成次优。为此，我们提出一种基于卷积字典特征解耦（CD-DPE）策略的双提示专家网络用于多对比 MRI 超分辨率。具体而言，我们引入迭代卷积字典特征解耦模块（CD-FDM），将特征分离为 cross-contrast 和 intra-contrast 组件，从而减少冗余和干扰。为充分集成这些特征，我们提出了一种新型双提示特征融合专家模块（DP-FFEM）。该模块使用频率提示来指导选择相关参考特征以纳入目标图像，同时通过自适应路由提示确定融合参考与目标特征的最佳方法，以增强重建质量。在公开的多对比 MRI 数据集上进行的广泛实验表明，CD-DPE 在重建细节方面优于最先进的方法。此外，在未见数据集上的实验显示，CD-DPE 具备强大的泛化能力。
引用
@article{arxiv.2511.14014,
title = {CD-DPE: Dual-Prompt Expert Network Based on Convolutional Dictionary Feature Decoupling for Multi-Contrast MRI Super-Resolution},
author = {Xianming Gu and Lihui Wang and Ying Cao and Zeyu Deng and Yingfeng Ou and Guodong Hu and Yi Chen},
journal= {arXiv preprint arXiv:2511.14014},
year = {2025}
}
备注
Accepted to AAAI-2026