基于对比度因子估计的 HULFSynth：一种基于 INR 的超分辨率和超低场 MRI 合成
计算机视觉与模式识别
2025-11-20 v1 机器学习
摘要
我们提出了一个无监督的单图像双向磁共振图像 (MRI) 合成器，通过对比度因子估计从高场 (HF) 幅值图像合成仿射场 (ULF) 图像，反之亦然。不同于现有的 MRI 合成模型，我们的方法受启发于驱动 HF 与 ULF MRI 之间对比度变化的物理定律。我们的前向模型通过估计基于目标对比度值的组织类型信号信噪比 (SNR) 值来模拟 HF 至 ULF 转换。对于超分辨率任务，我们使用基于隐式神经表征 (INR) 的网络同时预测组织类型分段和图像强度，而无需观测到的 HF 数据。该方法使用来自标准 3T T 加权图像的合成 ULF 图像进行定性评估，并使用配对的 3T-64mT T 加权图像进行验证实验。合成 ULF 图像中 WM-GM 对比度提高了 52%，64mT 图像中提高了 37%。灵敏度实验表明，我们的前向模型对目标对比度、噪声和初始种子的变化具有较强鲁棒性。
引用
@article{arxiv.2511.14897,
title = {HULFSynth : An INR based Super-Resolution and Ultra Low-Field MRI Synthesis via Contrast factor estimation},
author = {Pranav Indrakanti and Ivor Simpson},
journal= {arXiv preprint arXiv:2511.14897},
year = {2025}
}
备注
Submitted to ISBI 2026