[arxiv | 论文简读] 用于加速 MRI 重建的自适应扩散先验

简读分享 | 汪逢生 编辑 | 乔剑博

论文题目

Adaptive Diffusion Priors for Accelerated MRI Reconstruction

论文摘要

深度 MRI 重建通常使用条件模型执行，该模型对欠采样进行去混叠处理，以恢复与全采样数据一致的图像。由于条件模型是根据成像的知识进行训练的，因此它们的泛化能力可能很差。无条件模型改为学习与成像运算符分离的生成图像先验，以提高针对域偏移的可靠性。鉴于其高样本保真度，最近的扩散模型特比较适合。在这里作者提出了第一个用于 MRI 重建的自适应扩散先验 AdaDiff，以提高针对域偏移的性能和可靠性。AdaDiff 利用通过对抗性映射在大的反向扩散步骤上训练的有效扩散先验。训练后执行两阶段重建：快速扩散阶段使用经过训练的先验生成初始重建，适应阶段通过更新先验进一步细化结果，以最大限度地减少获取数据的重建损失。对比大脑 MRI 的实验清楚地表明，AdaDiff 在域转换下优于条件和无条件方法，并在域内实现卓越的性能。

论文链接

https://arxiv.org/pdf/2207.05876.pdf