论 K 空间采集在 MRI 重建域泛化中的作用
计算机视觉与模式识别
2025-12-09 v1 机器学习
摘要
近期研究已确定学习型 k 空间采集模式是提高加速磁共振成像（MRI）重建质量的一个有前景的方向。尽管结果令人鼓舞，但大多数现有研究都集中在针对单一数据集或模态优化的采集模式，对其跨成像域的迁移性考虑有限。在这项工作中，我们证明了学习型 k 空间采样的优势可以扩展到训练域之外，从而在域偏移下实现卓越的重建性能。我们的研究包含两个主要贡献。首先，通过跨数据集和采集范式的系统评估，我们表明使用学习型采样模式训练的模型在跨域设置下表现出改进的泛化能力。其次，我们提出了一种新方法，通过在训练期间引入采集不确定性——随机扰动 k 空间轨迹以模拟不同扫描仪和成像条件下的变异性——来增强域的鲁棒性。我们的结果强调了将 k 空间轨迹设计不仅视为一种加速机制，而且视为提高 MRI 重建中域泛化的一个主动自由度的重要性。
引用
@article{arxiv.2512.06530,
title = {On The Role of K-Space Acquisition in MRI Reconstruction Domain-Generalization},
author = {Mohammed Wattad and Tamir Shor and Alex Bronstein},
journal= {arXiv preprint arXiv:2512.06530},
year = {2025}
}