HierAdaptMR：基于分层特征适配器的跨中心心脏 MRI 重建
计算机视觉与模式识别
2025-08-19 v1
摘要
基于深度学习的心脏 MRI 重建在部署到具有异构扫描仪配置和成像协议的多个临床中心时，面临显著的领域偏移挑战。我们提出 HierAdaptMR，一个通过参数高效适配器解决多层次领域差异的分层特征适应框架。我们的方法在变分展开主干网络上，采用协议级适配器处理序列特定特征，以及中心级适配器处理扫描仪相关差异。通用适配器通过随机训练学习中心不变的适应，从而实现对完全未见过的中心的泛化。该框架利用结合频域增强和对比度自适应加权的多尺度 SSIM 损失进行鲁棒优化。在涵盖 5 个以上中心、10 个以上扫描仪和 9 种模态的 CMRxRecon2025 数据集上的综合评估表明，该方法在保持重建质量的同时，具有优越的跨中心泛化能力。代码：https://github.com/Ruru-Xu/HierAdaptMR
引用
@article{arxiv.2508.13026,
title = {HierAdaptMR: Cross-Center Cardiac MRI Reconstruction with Hierarchical Feature Adapters},
author = {Ruru Xu and Ilkay Oksuz},
journal= {arXiv preprint arXiv:2508.13026},
year = {2025}
}
备注
MICCAI 2025, CMRxRecon2025 Challenge paper