arXiv cs.AI· Juan Liu, Nian Wang·· 10 小时前AI 评分18
MSPR-GRE：面向多回波梯度回波 MRI 的多阶段相位感知自监督重建
Multi-Stage Phase-Aware Self-Supervised Reconstruction for Multi-Echo Gradient-Echo MRI
AI 导读
研究者提出多阶段相位感知自监督重建框架 MSPR-GRE，用于加速高分辨率多回波梯度回波（mGRE）MRI，在无全采样训练目标的情况下重建复数多回波图像并保留相位信息。
正文 · AI 翻译
摘要：目的：开发一种相位感知的自监督框架，用于加速高分辨率多回波梯度回波（mGRE）MRI，该框架保留解剖细节和复杂回波信息以进行定量映射。方法：我们开发了多阶段相位感知自监督重建（MSPR-GRE），将渐进式 k 空间扩展与相位估计和细化相结合。顺序展开网络重建复杂多回波图像并更新回波相关相位先验。对于至少四个回波的采集，使用弛豫信息时间子空间，而较短的回波链则在图像域中重建。训练使用留出的已采集 k 空间样本，无需全采样目标。评估包括 9.4 T 离体小鼠脑数据（30um 八回波和 18um 双回波）以及回顾性欠采样的 7 T AHEAD 人脑数据，并进行了监督消融实验。结果：MSPR-GRE 减少了相位快速变化区域的伪影，并保留了精细的小鼠脑解剖结构。在 R = 4、8 和 12 的五个 AHEAD 测试数据集上，它总体上改善了幅度图像、T2* 图和 QSM 指标，尤其是在较高加速倍数下。在 R = 12 时，第四回波幅度 NRMSE 为 12.09$\pm$0.60%，而 SSDU 为 21.55$\pm$1.12%。消融实验表明相位细化的益处，而监督实验支持多阶段相位感知重建。结论：MSPR-GRE 在没有全采样训练目标的情况下改善了加速 mGRE 重建和定量图的一致性。需要进一步验证泛化性和相位估计准确性。
| 评论： | 提交至期刊；审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.13352 [cs.AI] |
| （或 arXiv:2611.13352v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.13352 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Juan Liu [查看电子邮件]
[v1]
2026 年 11 月 9 日星期一 23:25:26 UTC（44,283 KB）
来源：arXiv cs.AI · arxiv.org