CRUNet-MR-Univ：面向多样化心脏 MRI 重建的基础模型
计算机视觉与模式识别
2026-01-09 v1 人工智能
摘要
近年来，深度学习在心脏 MRI（CMR）重建领域受到越来越多的关注，因为其在处理更高加速度因子方面表现优于传统方法，凸显了其在实际临床应用中的潜力。然而，现有深度学习方法在可泛化性方面仍受限。CMR 扫描在图像对比、采样模式、扫描仪厂商、解剖结构和疾病类型方面存在较大差异。大多数现有模型仅设计用于处理单一或狭窄的子集，面对分布迁移时性能会下降。因此，发展一个能够在多样化 CMR 场景下进行泛化的统一模型是有益的。为此，我们提出 CRUNet-MR-Univ，一个利用时空相关性和基于提示的先验条件，有效处理 CMR 扫描全部分布多样性的基础模型。我们的 метод 在广泛的设置下 consistently 优于基准方法，凸显了其有效性和前景。
引用
@article{arxiv.2601.04428,
title = {CRUNet-MR-Univ: A Foundation Model for Diverse Cardiac MRI Reconstruction},
author = {Donghang Lyu and Marius Staring and Hildo Lamb and Mariya Doneva},
journal= {arXiv preprint arXiv:2601.04428},
year = {2026}
}
备注
STACOM 2025