基于域条件先验引导的扩散建模用于加速 MRI 与 qMRI 重建
机器学习
2023-09-06 v1
摘要
本研究提出一种基于条件于原生数据域的扩散模型的图像重建新方法。我们的方法应用于多线圈 MRI 与定量 MRI 重建，在频率域与参数域内利用域条件扩散模型。将 MRI 先验物理作为嵌入用于扩散模型，强制数据一致性以引导训练与采样过程，刻画 MRI 重建中的 MRI k 空间编码，并利用 MR 信号建模进行 qMRI 重建。此外，在扩散步骤中引入梯度下降优化，增强特征学习并改善去噪。所提方法展现出显著潜力，尤其在高速加速因子下的图像重建中。值得注意的是，该方法在多种解剖结构下对静态与定量 MRI 重建均保持优异的重建精度与效率。除直接应用外，该方法具备潜在的泛化能力，可适用于跨多种域的逆问题。
引用
@article{arxiv.2309.00783,
title = {Diffusion Modeling with Domain-conditioned Prior Guidance for Accelerated MRI and qMRI Reconstruction},
author = {Wanyu Bian and Albert Jang and Fang Liu},
journal= {arXiv preprint arXiv:2309.00783},
year = {2023}
}