arXiv cs.AI· Mahdi Saberi, Ya\c{s}ar Utku Al\c{c}alar, Merve G\"{u}lle, Chetan Shenoy, Mehmet Ak\c{c}akaya·· 11 小时前AI 评分27
利用纯幅值与复数测量提升学习先验的动态 MRI 重建
Harnessing Magnitude-Only and Complex Measurements for Improved Dynamic MRI Reconstruction with Learned Priors
AI 导读
研究提出 C+Mag，一种幅值信息驱动的物理驱动深度学习重建方法，将辅助 k 空间幅值信息用于加速稳态动态 MRI 重建。该方法采用基于 ADMM 的展开框架和幅值感知数据保真项，并用二次平滑优化与动量更新处理幅值约束的不可微与非凸问题。
正文 · AI 翻译
摘要：针对欠采样 k 空间数据的 MRI 重建方法天然利用复值测量。稀疏相位检索领域的并行发展表明，仅幅度测量可为信号恢复提供补充信息。然而，由于缺乏无需额外扫描时间即可获得有信息量幅度测量的实际场景，它们在 MRI 重建中的应用在很大程度上仍未被探索。在本工作中，我们研究了利用辅助 k 空间幅度信息进行加速稳态动态 MRI 重建，并证明了 k 空间幅度在不同时间帧之间的强一致性。基于这一观察，我们提出 $\mathbb{C}+\text{Mag}$，一种幅度信息驱动的物理驱动深度学习重建方法。所提方法采用基于 ADMM 的展开框架，并引入新颖的幅度感知数据保真公式，其中引入二次平滑优化和基于动量的更新，以处理幅度约束的不可微性和非凸性。在回顾性欠采样电影 MRI 和相位对比血流 MRI 数据集，以及前瞻性欠采样实时电影 MRI 采集上的实验表明，与传统 PD-DL 方法相比，该方法具有更好的伪影抑制、更锐利的解剖结构恢复以及更好的相位信息保留，这进一步得到了盲法专家读者评估的支持。
| 评论： | 将发表于 IEEE TBME |
| 主题： | 图像与视频处理 (eess.IV)；人工智能 (cs.AI)；计算机视觉与模式识别 (cs.CV)；机器学习 (cs.LG)；医学物理 (physics.med-ph) |
| 引用为： | arXiv:2608.18036 [eess.IV] |
| （或 arXiv:2608.18036v2 [eess.IV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.18036 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1109/TBME.2026.3743233
链接到相关资源的 DOI |
提交历史
来自：Mahdi Saberi [查看电子邮件]
[v1]
2026 年 8 月 18 日星期二 17:31:07 UTC（7,067 KB）
[v2]
2026 年 10 月 20 日星期二 04:24:00 UTC（7,433 KB）
来源：arXiv cs.AI · arxiv.org