基于空间-角度表征学习的扩散 MRI 高保真连续超分辨率
图像与视频处理
2025-01-28 v1
摘要
扩散磁共振成像（dMRI）常因硬件局限性及系统噪声导致空间分辨率和角度分辨率不足，严重影响对微观结构细节精准参数估计。深度学习超分辨率技术虽显示前景，但大多数方法仅针对空间或角度超分辨率，难以捕获细致微观特征。此外，传统像素级损失函数难以恢复关键细节。为此，我们提出 SARL-dMRI——一种面向 dMRI 高保真连续超分辨率的空间-角度表征学习框架。SARL-dMRI 利用隐式神经表征和球面调和函数建模连续空间与角度表征，同时提升空间与角度分辨率，增强微观结构参数估计精度。为进一步保持图像保真度，引入数据保真模块和小波频率损失，确保超分辨图像与原始输入一致且保留细节。广泛实验表明，我们的方法在提升 dMRI 数据分辨率、提高微观结构参数估计准确性方显著优于五种最新方法，同时展现出更佳的泛化能力，即便在 45 倍下采样情形下仍保持稳健性能。
引用
@article{arxiv.2501.16014,
title = {Spatial-Angular Representation Learning for High-Fidelity Continuous Super-Resolution in Diffusion MRI},
author = {Ruoyou Wu and Jian Cheng and Cheng Li and Juan Zou and Wenxin Fan and Hua Guo and Yong Liang and Shanshan Wang},
journal= {arXiv preprint arXiv:2501.16014},
year = {2025}
}
备注
10 pages, 6 figures