直接从 k 空间进行 MRI 分类的高效复值 Vision Transformer
计算机视觉与模式识别
2026-01-27 v1
摘要
磁共振成像（MRI）中的深度学习应用主要在重建的幅值图像上进行操作，这一过程丢弃了相位信息并需要计算成本高昂的变换。标准神经网络架构依赖于局部操作（卷积或网格分块），这不适合原始频域（k 空间）数据的全局、非局部性质。在这项工作中，我们提出了一种新颖的复值 Vision Transformer (kViT)，旨在直接对 k 空间数据进行分类。为了弥合当前架构与 MRI 物理之间的几何脱节，我们引入了一种尊重频域能量分布的径向 k 空间分块策略。在 fastMRI 和内部数据集上的大量实验表明，我们的方法实现了与最先进的图像域基线（ResNet、EfficientNet、ViT）相媲美的分类性能。至关重要的是，kViT 对高加速因子表现出卓越的鲁棒性，并在计算效率上提供了范式转变，与标准方法相比，在训练期间将 VRAM 消耗减少了高达 68。这为资源高效的、直接来自扫描仪的 AI 分析确立了途径。
引用
@article{arxiv.2601.18392,
title = {Efficient Complex-Valued Vision Transformers for MRI Classification Directly from k-Space},
author = {Moritz Rempe and Lukas T. Rotkopf and Marco Schlimbach and Helmut Becker and Fabian Hörst and Johannes Haubold and Philipp Dammann and Kevin Kröninger and Jens Kleesiek},
journal= {arXiv preprint arXiv:2601.18392},
year = {2026}
}