集成超分辨率的卷积重建：加速3D LGE MRI中的解卷积
计算机视觉与模式识别
2026-03-20 v1
摘要
加速3D晚期腹覆合素(Gd-DTPA)MRI需要鲁棒的重建方法，以从欠采样的k空间数据中恢复细小的心房结构。虽然卷积模型基网络有效地将物理驱动的数据一致性与学习的先验相结合，但它们在采集分辨率下运行，可能无法完全恢复高频细节。我们提出一种混合卷积重建框架，其中Enhanced深度超分辨率(EDSR)网络取代优化循环中每个迭代的近端算子，实现超分辨率增强与数据一致性 enforcement 的联合优化。该模型在复归档的3D LGE数据集上端到端训练，并与压缩感知、模型基深度学习(MoDL)和自导向深度图像先验(DIP)基线方法进行比较。在各种加速因子下，所提方法在PSNR和SSIM上 consistently 优于标准卷积重建方法，并更好地保留细小心脏结构，实现更好的左心房分割性能。这些结果表明，在基于模型的重建过程中直接集成超分辨率先验可为加速3D LGE MRI带来可衡量的性能提升。
关键词
引用
@article{arxiv.2603.18309,
title = {Unrolled Reconstruction with Integrated Super-Resolution for Accelerated 3D LGE MRI},
author = {Md Hasibul Husain Hisham and Shireen Elhabian and Ganesh Adluru and Jason Mendes and Andrew Arai and Eugene Kholmovski and Ravi Ranjan and Edward DiBella},
journal= {arXiv preprint arXiv:2603.18309},
year = {2026}
}