MMR-Mamba:使用Mamba和空间频率信息融合的多模态MRI重建
Jing Zou1, Lanqing Liu1, Qi Chen2
1Center for Smart Health, School of Nursing, The Hong Kong Polytechnic University, Hong Kong Special Administrative Region of China.
Medical image analysis
|March 24, 2025
概括
通过整合互补数据,MMR-Mamba有效地重建多模式MRI图像,克服现有方法的局限性,实现更快,更高质量的扫描. 这种新的框架通过高级功能集成来增强诊断能力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 多模态MRI提供补充的诊断信息,但受到长时间扫描时间的限制.
- 从采样不足的数据中使用参考模式重建目标模式图像是一种有前途的加速策略.
- 目前的方法很难有效地整合多模式信息,卷积模型缺乏远程依赖性捕获,变压器具有高计算成本.
研究的目的:
- 开发一个新的框架,MMR-Mamba,以实现高效和高质量的多模态MRI重建.
- 解决现有的基于卷积和基于变压器的模型在整合互补的多模态MRI数据方面的局限性.
- 为了利用Mamba的线性复杂性来进行远程依赖模型和富里埃域属性来进行增强的重建.
主要方法:
- 拟议的MMR-Mamba框架使用Mamba进行高效的远程依赖模型.
- 设计的目标是以模式为导向的跨马巴 (TCM) 模块,用于空间域特征集成.
- 引入了选择频融合 (SFF) 模块,用于富里埃域信息集成和高频信号恢复.
- 开发了自适应空间频率融合 (ASFF) 模块,用于空间和频率领域的相互增强.
主要成果:
- 与最先进的方法相比,MMR-Mamba在BraTS和快速MRI膝盖数据集上表现出卓越的性能.
- 该框架有效地整合了互补的多模式MRI信息,以实现高质量的图像重建.
- 通过捕捉具有线性计算复杂性的远程依赖关系,实现了高效的重建.
结论:
- MMR-Mamba在多模态MRI重建方面取得了重大进展,解决了数据集成和计算效率方面的关键挑战.
- 拟议的框架通过实现更快的采集时间而不会影响图像质量,从而提高多模态MRI的临床实用性.
- MMR-Mamba提供了一种强大而高效的解决方案,通过智能多模式数据融合加速MRI采集.
