用于灵活扩散加权图像合成的 Q 空间引导协同注意力翻译网络
图像与视频处理
2025-05-15 v1 计算机视觉与模式识别
摘要
在本研究中，我们提出了一种新颖的 Q 空间引导协同注意力翻译网络 (Q-CATN)，利用常采集的结构 MRI 数据，从灵活的 q 空间采样中进行多壳层高角分辨率 DWI (MS-HARDI) 的合成。Q-CATN 采用协同注意力机制从多种模态中有效提取互补信息，并基于灵活的 q 空间信息动态调整其内部表示，从而无需固定的采样方案。此外，我们引入了一系列特定于任务的约束条件以保持 DWI 中的解剖保真度，使 Q-CATN 能够准确学习方向性 DWI 信号分布与 q 空间之间的内在关系。在 Human Connectome Project (HCP) 数据集上的大量实验表明，Q-CATN 在定量和定性估计参数图和纤维束方面均优于现有方法（包括 1D-qDL、2D-qDL、MESC-SD 和 QGAN），同时保留了细粒度的细节。值得注意的是，其适应灵活 q 空间采样的能力突显了其作为临床和研究应用有前景工具包的潜力。我们的代码可在 https://github.com/Idea89560041/Q-CATN 获取。
引用
@article{arxiv.2505.09323,
title = {Q-space Guided Collaborative Attention Translation Network for Flexible Diffusion-Weighted Images Synthesis},
author = {Pengli Zhu and Yingji Fu and Nanguang Chen and Anqi Qiu},
journal= {arXiv preprint arXiv:2505.09323},
year = {2025}
}
备注
MICCAI 2025