MCU-Net：一种用于加速磁共振图像重建的带门控空间注意力的多先验协同深度展开网络
图像与视频处理
2024-10-01 v3 计算机视觉与模式识别
摘要
深度展开网络（DUN）在加速磁共振成像（MRI）方面已展现出巨大潜力。然而，它们常面临计算成本高和收敛速度慢的问题。此外，它们在结合多个先验时难以充分利用互补性。在本研究中，我们提出了一种多先验协同DUN，称为MCU-Net，以解决这些局限性。我们的方法采用并行结构，由分别基于低秩和稀疏性的不同优化启发的子网络组成。我们设计了一个门控空间注意力模块（GSAM），用于评估不同子网络产生的中间重建结果的相对置信度（RC）和整体置信度（OC）图。RC为每个子网络表现优异的图像区域分配更大的权重，从而实现精确的逐元素协同。我们设计了校正模块，以增强在OC值较低（表明两个子网络性能均有限）的区域的有效性，从而无需额外的分支。GSAM中的门单元旨在在多次迭代中保留必要信息，提高所学置信度图的准确性，并增强对累积误差的鲁棒性。在多个数据集上的实验结果表明，与前沿方法相比，PSNR和SSIM结果显著提升，且FLOPs相对较低。此外，所提出的策略可方便地应用于各种DUN结构以提升其性能。
引用
@article{arxiv.2402.03383,
title = {MCU-Net: A Multi-prior Collaborative Deep Unfolding Network with Gates-controlled Spatial Attention for Accelerated MR Image Reconstruction},
author = {Xiaoyu Qiao and Weisheng Li and Guofen Wang and Yuping Huang},
journal= {arXiv preprint arXiv:2402.03383},
year = {2024}
}