Nov, 2023

K 空间冷扩散：学习重建加速 MRI 图像不带噪声

PDF
TL;DR本文提出了一种 k 空间冷扩散模型，用于在 k 空间中进行图像退化和恢复，而无需高斯噪声，并通过与多种基于深度学习的 MRI 重建模型进行比较，在一个著名的大型开源 MRI 数据集上进行了测试。结果显示，这种新颖的退化方式能够生成加速 MRI 的高质量重建图像。
deep learning-based mri reconstruction modelsdiffusion modelscold diffusion modelk-space cold diffusion modelaccelerated mri
发现论文，激发创造
  • CDiffMR: 能否替代高斯噪声，采用 K - 空间欠采样进行快速磁共振成像？

    本研究提出了一种名为 CDiffMR 的 MRI 重建方法，利用深度学习中的冷扩散卷积神经网络 (Cold Diffusion-based MRI Reconstruction) 和 k 空间下采样技术，以及合理的初始化和数据一致性条件策略，能够显著加快 MRI 重建速度，并且获得与现有最先进模型可比甚至更好的重建效果。

    Jun, 2023

  • 使用展开扩散模型的自监督 MRI 重建

    介绍了一种自监督深度 MRI 重建模型，名为 SSDiffRecon，该模型在使用不完整采样的 k 空间数据的情况下通过条件扩散过程实现了快速和高质量的图像重建。

    Jun, 2023

  • 自回归图像扩散：生成图像序列及在 MRI 中的应用

    非侵入性成像模式中，磁共振成像是一种广泛使用的成像方式，但其图像质量和成像速度之间存在平衡难题。本文介绍了一种基于自回归图像扩散（AID）模型的加速 MRI 重建方法，该算法结合了未采样的 k 空间和现有信息，评估了 fastMRI 数据集训练的模型，并展示了 AID 模型能够稳健地生成时序连贯的图像序列，在 3D 和动态 MRI 中的表现优于标准扩散模型，还能减少幻觉，并学习图像间的依赖关系。

    May, 2024

  • 高度欠采样磁共振图像重建的相关多频扩散建模

    通过结合 k - 空间数据和扩散过程的特性，本研究提出了一种新的方案，利用不同策略挖掘多频先验，并保留重建图像中细节纹理，同时通过高频先验提取器更快地收敛扩散过程，从而提高了 MRI 重建的准确性和采样过程的加速性。实验结果验证了该方法成功地获得了更准确的重建并超越了现有方法。

    Sep, 2023

  • 磁共振成像重建中无监督去噪扩散模型的不稳定性

    通过研究发现，即使微小的最坏情况扰动由替代模型传递而来，去噪扩散模型仍然能够生成可能误导临床医生的假组织结构，这种扰动的可转移性表明由于磁共振系统的不完善或其他噪声源，图像重构的鲁棒性可能会受到损害。此外，在更大的扰动强度下，扩散模型会产生与监督模型中观察到的不同且更具挑战性的类似高斯噪声的伪影，这强调了当前最先进的基于扩散的重构模型对可能的最坏情况扰动的脆弱性，并强调了在临床环境中改善其鲁棒性和可靠性的进一步研究的必要性。

    Jun, 2024

  • 高加速心脏 Cine MRI 的临床可行扩散重建

    我们旨在开发一种临床可行的基于扩散模型的重建流水线，以改善心脏磁共振成像的图像质量。通过使用多输入多输出的扩散增强模型和快速推理策略，扩散重建减少了临床数据中前瞻性欠采样引起的空间和时间模糊，并得到专家检查的验证。每个视频处理仅需 1.5 秒的时间，使该方法能够在临床场景中应用。

    Mar, 2024

  • 高级物理感知 DeepMRI：从热传导到 k 空间内插的桥梁

    本文介绍了一个可解释的框架，将 $k$-space 插值技术和图像域方法统一起来，建立在热扩散方程的物理原理基础之上，并提出了一种新的 $k$-space 插值方法，实验证明该方法在重建精度方面优于传统 $k$-space 插值方法、基于深度学习的 $k$-space 插值方法和传统扩散模型，尤其在高频区域表现出更好的性能。

    Aug, 2023

  • 利用扩散模型学习加速螺旋 MRI 的领域特定逆 NUFFT

    利用生成扩散模型的重建算法结合条件训练和基于频率的引导实现了高质量的超快速扫描下的重建图像，进而识别出一组优化的变密度螺旋轨迹，与非均匀快速傅里叶变换相比，图像质量大幅提高，这些方法可实现实时三维成像所需的极高加速因子。

    Apr, 2024

  • DiffCMR: 快速心脏 MRI 重建与扩散概率模型

    本研究提出了一种基于条件去噪扩散概率模型的新型磁共振成像 (MRI) 图像去噪框架 DiffCMR，通过感知来自欠采样 MRI 图像切片的条件信号，并生成相应的全采样 MRI 图像切片。经过多轮合成策略的推断，验证了 DiffCMR 在 MICCAI 2023 心脏 MRI 重建挑战数据集上的心动影像重建和 T1/T2 映射任务，并显示出超越先前方法的最先进性能。

    Dec, 2023

  • 冷扩散：无需噪声即可反转任意图像转换

    通过改变图像退化处理方法，可以构建一系列生成模型，并且即使使用完全确定性的退化方法，也可以轻松推广扩展扩散模型的训练和测试时间更新规则，为翻转任意过程的扩散模型打下基础，这一成功也质疑了该社区对扩散模型的理解。

    Aug, 2022