基于变压器的MRI超分辨率的双空间高频学习

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 磁共振成像 (MRI) 提供了详细的软组织对比度,但需要长时间的扫描时间.
• 基于变压器的单图像超分辨率 (SISR) 方法通过利用远程依赖来加速MRI.
• 现有的方法往往忽略了对于准确的MRI恢复至关重要的局部高频细节.

研究的目的:

• 开发一种新的方案,以提高基于变压器的MRI SISR中的高频信息意识.
• 引入插电模块,以改善超高分辨率MRI中细节的恢复.
• 解决当前基于变压器的MRI超分辨率中忽略局部高频细节的局限性.

主要方法:

• 提出了一个基于变压器的MRI SISR的高频增强学习方案.
• 在特征空间中引入了一个高频区块 (Hi-Fe区块),以提取丰富的高频特征.
• 在图像强度空间中开发了一个高频放大模块 (HFA),用于改进高频细节.

主要成果:

• 集成的 plug-and-play 模块与三个数据集的六个基于变压器的模型.
• 对所有测试的基础模型的超分辨率性能显著提高.
• 在恢复高频细节方面表现优于现有的最先进的单图像超分辨率网络.

结论:

• 拟议的模块有效地恢复MRI超分辨率的高频信息.
• 该框架显示了在临床实践中加速MRI重建的巨大潜力.
• 插电性质使现有的基于变压器的MRI SISR方法能够轻松集成和提高性能.