M-Gaussian：面向多栈 MRI 重建的磁性高斯框架
计算机视觉与模式识别
2026-03-03 v1 人工智能
摘要
磁共振成像 (MRI) 是一种至关重要的无创成像模态。在临床实践中，广泛使用多栈厚切采集以减少扫描时间和运动敏感性，尤其是在胎儿脑成像等具有挑战性的场景中。然而，由此导致的严重层面各向异性会损害体积分析和后续定量评估， necessitating robust reconstruction of isotropic high-resolution volumes。隐式神经表示方法虽然实现了高质量，但因复杂的网络结构而存在计算效率低下的问题。我们提出 M-Gaussian，通过适配 3D 高斯溅写用于 MRI 重建。我们的贡献包括：(1) 具有物理一致性的体积渲染的磁性高斯原始素；(2) 用于高频细节细化的神经残差场；(3) 多分辨率渐进训练。该方法在质量和速度之间实现了最佳平衡。在 FeTA 数据集上，M-Gaussian 实现了 40.31 dB PSNR 的性能，速度提升了 14 倍，成功地将 3D 高斯溅写首次适用于多栈 MRI 重建。
引用
@article{arxiv.2603.00145,
title = {M-Gaussian: An Magnetic Gaussian Framework for Efficient Multi-Stack MRI Reconstruction},
author = {Kangyuan Zheng and Xuan Cai and Jiangqi Wang and Guixing Fu and Zhuoshuo Li and Yazhou Chen and Xinting Ge and Liangqiong Qu and Mengting Liu},
journal= {arXiv preprint arXiv:2603.00145},
year = {2026}
}
备注
15 pages, 9 figures