视觉语言模型引导的深度展开实现个性化快速MRI
计算机视觉与模式识别
2026-04-09 v1
摘要
磁共振成像（MRI）是医学和医疗保健的基石，但存在漫长的采集时间。传统的加速MRI方法针对通用图像质量进行优化，缺乏对特定临床任务的适应性。为此，我们提出了PASS（个性化、异常感知采样与重建），一个利用视觉语言模型（VLM）引导深度展开网络进行任务导向快速成像的智能MRI框架。PASS通过三个核心贡献动态个性化成像流程：（1）源自物理MRI模型的深度展开重建网络；（2）生成患者特异性k空间轨迹的采样模块；以及（3）从预训练VLM中提取的异常感知先验，引导采样和重建向临床相关区域。通过将VLM的高层临床推理与可解释的物理感知网络相结合，PASS在多种解剖结构、对比度、异常和加速因子下实现了优越的图像质量。这一提升直接转化为下游诊断任务的改进，包括精细异常检测、定位和诊断。
引用
@article{arxiv.2604.06849,
title = {Vision-Language Model-Guided Deep Unrolling Enables Personalized, Fast MRI},
author = {Fangmao Ju and Yuzhu He and Zhiwen Xue and Chunfeng Lian and Jianhua Ma},
journal= {arXiv preprint arXiv:2604.06849},
year = {2026}
}