基于扩散的自适应对比度传输实现零样本低场MRI增强
计算机视觉与模式识别
2026-03-03 v1
摘要
低场（LF）磁共振成像（MRI）正在民主化诊断成像，但其因场依赖的relaxation动力学导致信噪比低且组织对比度严重失真，从而严重限制了其应用。从LF数据重建HF质量图像是一项盲目逆问题，面临训练数据稀缺且非线性对比度转换算子未知的挑战。现有的零样本方法假设简化的线性退化，往往无法恢复真实组织对比度。本文提出DACT（Diffusion-Based Adaptive Contrast Transport），一个无需配对监督的新型零样本框架，用于恢复HF质量图像。DACT融合预训练的HF扩散先验以确保解剖学忠实性，同时融合物理导论的自适应前向模型。具体而言，我们引入可微的Sinkhorn最优传输模块，显式建模并纠正LF域与HF域之间强度分布的偏移，作为逆扩散过程的一部分。这使得框架能够在保持拓扑一致性的同时动态学习难以把握的对比度映射。在模拟数据和真实临床LF数据集上的大量实验表明，DACT实现了最先进的性能，重建图像在结构细节和组织对比度方面均表现出色。
引用
@article{arxiv.2603.01913,
title = {Zero-shot Low-Field MRI Enhancement via Diffusion-Based Adaptive Contrast Transport},
author = {Muyu Liu and Chenhe Du and Xuanyu Tian and Qing Wu and Xiao Wang and Haonan Zhang and Hongjiang Wei and Yuyao Zhang},
journal= {arXiv preprint arXiv:2603.01913},
year = {2026}
}
备注
11 pages, 4 figures, conference paper