面向新生儿超低场 MRI 的物理感知扩散模型图像质量迁移
计算机视觉与模式识别
2026-03-09 v4
摘要
便携式超低场 MRI (uLF-MRI, 0.064 T) 为新生儿护理提供了可及的神经影像，但因信噪比低且诊断质量差，与高场 (HF) MRI 相比存在不足。我们提出 MRIQT，一个 3D 条件扩散框架，用于从 uLF 迁移到 HF MRI 的图像质量提升 (IQT)。MRIQT 结合了用于物理一致 uLF 模拟的真实 K-space 降解、用于稳定图像到图像生成的 v-prediction 与 classifier-free guidance 相结合，以及用于解剖学保真度的 SNR 加权 3D 感知损失。模型从无噪声 uLF 输入开始，条件于相同扫描，利用体积注意力-UNet 架构进行结构保护式转换。我们在具有多样性病理的新生儿队列上进行训练，MRIQT 在 PSNR 上超过最新 GAN 和 CNN 基线，提升 15.3%，相对于最新方法提升 1.78%，而医生称 85% 的输出质量良好，清晰呈现病理。MRIQT 使便携式超低场 (uLF) MRI 实现高保真扩散式增强，适用于可靠的新生儿脑部评估。
引用
@article{arxiv.2511.13232,
title = {MRIQT: Physics-Aware Diffusion Model for Image Quality Transfer in Neonatal Ultra-Low-Field MRI},
author = {Malek Al Abed and Sebiha Demir and Anne Groteklaes and Elodie Germani and Shahrooz Faghihroohi and Hemmen Sabir and Shadi Albarqouni},
journal= {arXiv preprint arXiv:2511.13232},
year = {2026}
}
备注
5 pages, 4 figures