DuDoUniNeXt：用于单对比度和多对比度欠采样 MRI 重建的双域统一混合模型
图像与视频处理
2024-03-11 v1 计算机视觉与模式识别
机器学习
摘要
多对比度 (MC) 磁共振成像 (MRI) 重建旨在利用辅助模态的参考图像来指导目标模态的重建过程。已知的 MC 重建方法在参考图像完全采样时表现良好，但当参考图像缺失或质量较低时，其表现通常不如单对比度 (SC) 方法。为解决这一问题，我们提出了 DuDoUniNeXt，这是一种统一的双域 MRI 重建网络，能够适应参考图像缺失、低质量和高质量等多种场景。DuDoUniNeXt 采用结合 CNN 和 ViT 的混合骨干网络，实现图像域和 k 空间重建的特定调整。具体而言，设计了一种自适应粗到细特征融合模块 (AdaC2F)，以动态处理不同质量参考图像的信息。此外，提出了一种部分共享浅层特征提取器 (PaSS)，利用共享和独立参数来处理对比度之间的一致性和差异信息。实验结果表明，所提出的模型显著优于最先进的 SC 和 MC 模型。消融研究证明了所提出的混合骨干网络、AdaC2F、PaSS 以及双域统一学习方案的有效性。
引用
@article{arxiv.2403.05256,
title = {DuDoUniNeXt: Dual-domain unified hybrid model for single and multi-contrast undersampled MRI reconstruction},
author = {Ziqi Gao and Yue Zhang and Xinwen Liu and Kaiyan Li and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2403.05256},
year = {2024}
}
备注
11 pages, 4 figures, 2 tables