FSC-loss：基于频域结构一致性学习的信号数据恢复与重建方法
信号处理
2025-01-09 v1 机器学习
摘要
信号数据恢复的核心挑战在于基于测得的低质量数据来建模信号矩阵（SM）数据的分布。在磁性粒子成像（MPI）的生物医学工程中，获取高分辨率（高质量）SM需要在场域内大量位置进行细致测量（37×37×37的SM约需32小时）。为提高重建信号质量并缩短SM测量时间，现有方法探索基于节省时间的低分辨率SM（9×9×9的SM约需0.5小时）来生成高分辨率SM，但先前方法在SM的高频信号恢复方面表现不佳。为实现高分辨率SM恢复并缩短获取时间，我们提出了一种频域结构一致性损失函数和数据分量嵌入策略，用于建模SM的全局和局部结构信息。我们采用基于Transformer的网络来评估该函数和策略。在两个仿真数据集和四个公开测量的SM上对方法进行评估。结果表明，我们的方法在高频结构信号恢复方面优于SOTA方法。此外，本方法可基于降采样因子16的低分辨率SM，在不足15秒内恢复出清晰的高频结构的高分辨率SM，使获取时间比基于测量的HR SM（最小误差nRMSE=0.041）快超过60倍。我们方法还应用于本实验室的三个MPI系统，显著提升了信号重建性能。
引用
@article{arxiv.2501.04308,
title = {FSC-loss: A Frequency-domain Structure Consistency Learning Approach for Signal Data Recovery and Reconstruction},
author = {Liwen Zhang and Zhaoji Miao and Fan Yang and Gen Shi and Jie He and Yu An and Hui Hui and Jie Tian},
journal= {arXiv preprint arXiv:2501.04308},
year = {2025}
}
备注
11 pages,7 figures