面向联合非线性 MRI 重建的高斯混合积模型扩散模型
计算机视觉与模式识别
2026-05-12 v1
摘要
最近，扩散模型因其高质量样本在磁共振成像重建领域受到广泛关注。然而，大多数现有方法依赖大规模网络且采用不透明的时间条件化机制，亦需离线估计电感灵敏度，导致重建过程可解释性受限且采集方案灵活性降低。为此，我们联合重建图像与电感灵敏度，将参数高效的高斯混合积扩散模型作为图像先验，与经典光滑先验搭配用于电感灵敏度。该方法快速稳健，能适应对比度和解剖分布偏移以及变化的 k-space 轨迹。最后，我们提出更具表现力的图像先验参数化，显著提升去噪和磁共挒成像重建效果。
关键词
引用
@article{arxiv.2605.10629,
title = {Product-of-Gaussian-Mixture Diffusion Models for Joint Nonlinear MRI Reconstruction},
author = {Laurenz Nagler and Martin Zach and Thomas Pock},
journal= {arXiv preprint arXiv:2605.10629},
year = {2026}
}