基于蒸馏驱动的多尺度 MRI 超分辨率模型：重挑 1.5T MRI 价值
图像与视频处理
2025-02-03 v1 计算机视觉与模式识别
摘要
磁共振成像（MRI）提供关键微观结构细节，但标准 1.5T 成像系统的空间分辨率常受限。相比之下，7T MRI 具备显著提升的空间分辨率，实现更精细的解剖结构可视化。然而，7T MRI 的高成本和有限获取性制约了其在临床中的广泛应用。为此提出一种新型超分辨率（SR）模型，用于生成类似 7T 的 MRI 图像。我们的方法基于扩散架构，融合 7T 成像中的梯度非线性校正和偏场校正数据作为指导。此外，为提升可部署性，引入渐进蒸馏策略。具体而言，学生模型通过步骤细化 7T SR 任务，利用教师模型推理阶段的特征图作为指导，旨在使学生模型在更小可部署模型规模下逐步实现 7T SR 性能。实验结果表明，基线教师模型实现了最先进的 SR 性能。学生模型虽轻量，却牺牲极小性能。进一步地，学生模型能够接受不同分辨率的 MRI 输入，无需重新训练，显著进一步提升了部署灵活性。我们使用马萨诸塞 General Hospital 的临床数据验证了本方法的临床相关性。代码已公开于 https://github.com/ZWang78/SR。
引用
@article{arxiv.2501.18736,
title = {Distillation-Driven Diffusion Model for Multi-Scale MRI Super-Resolution: Make 1.5T MRI Great Again},
author = {Zhe Wang and Yuhua Ru and Fabian Bauer and Aladine Chetouani and Fang Chen and Liping Zhang and Didier Hans and Rachid Jennane and Mohamed Jarraya and Yung Hsin Chen},
journal= {arXiv preprint arXiv:2501.18736},
year = {2025}
}