SPIRiT-Diffusion：用于加速 MRI 的自一致性驱动扩散模型
计算机视觉与模式识别
2024-04-23 v2
摘要
扩散模型已成为图像生成的领先方法，并在磁共振成像（MRI）重建领域证明成功。然而，现有基于扩散模型的重建方法主要在图像域构建，使重建质量易受线圈灵敏度图（CSMs）不准确的影响。k 空间插值方法可有效解决此问题，但常规扩散模型不易应用于 k 空间插值。为克服该挑战，我们引入一种称为 SPIRiT-Diffusion 的新方法，这是一种受迭代自一致 SPIRiT 方法启发的 k 空间插值扩散模型。具体而言，我们利用 SPIRiT 中自一致项（即 k 空间物理先验）的迭代求解器来构建控制扩散过程的新型随机微分方程（SDE）。随后，可通过执行扩散过程插值 k 空间数据。该创新方法凸显了优化模型在扩散模型 SDE 设计中的作用，使扩散过程与优化模型内在物理紧密对齐，此概念称为模型驱动扩散。我们使用 3D 颅内与颈动脉壁联合成像数据集评估所提 SPIRiT-Diffusion 方法。结果令人信服地证明其优于图像域重建方法，即使在 10 倍高加速率下也实现高重建质量。
引用
@article{arxiv.2304.05060,
title = {SPIRiT-Diffusion: Self-Consistency Driven Diffusion Model for Accelerated MRI},
author = {Zhuo-Xu Cui and Chentao Cao and Yue Wang and Sen Jia and Jing Cheng and Xin Liu and Hairong Zheng and Dong Liang and Yanjie Zhu},
journal= {arXiv preprint arXiv:2304.05060},
year = {2024}
}