SAFNet:一个空间自适应融合网络,用于双域低样本MRI重建
Yingjie Huo1, Hongyuan Zhang2, Dan Ge1
1J.Balasagyn Kyrgyz National University, Bishkek, Kyrgyzstan.
Physical and engineering sciences in medicine
|September 25, 2025
概括
这项研究介绍了空间自适应融合网络 (SAFNet),以实现更快的磁共振成像 (MRI) 重建. 通过智能融合双域信息,SAFNet提高了图像质量和适应性,优于现有的方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 低样本磁共振成像 (MRI) 可以加快扫描,但会带来重建的挑战.
- 当前的双域方法与空间变化和静态框架作斗争.
- 需要适应性重建策略来处理各种低样本文物.
研究的目的:
- 引入空间自适应融合网络 (SAFNet) 进行增强的双域低样本MRI重建.
- 在MRI重建中提高特征提取,准确性和适应性.
- 解决现有方法在处理空间变化和复杂文物方面的局限性.
主要方法:
- 开发了SAFNeta双域网络,并行重建分支.
- 集成的动态感知初始化模块 (DPIM) 用于多尺度的特征捕获.
- 利用空间自适应融合模块 (SAFM) 来实现像素智能的特征融合,以及加权快捷模块 (WSM) 来实现动态策略适应.
主要成果:
- 与最先进的方法相比,SAFNet表现出卓越的准确性和适应性.
- 该网络有效地保存了强度细节,并模拟了复杂的解剖结构.
- 在低样本MRI重建质量方面取得了显著的改进.
结论:
- SAFNet为双域低样本MRI重建提供了强大而适应性的解决方案.
- 拟议的融合策略和自适应模块为医学图像重建提供了宝贵的见解.
- 突出了多式联络信息融合在提高MRI效率和质量的潜力.


