基于蝶形空洞几何蒸馏的磁共振成像重建

朵琳，许渤雨，任勇，杨新

（昆明理工大学 信息工程与自动化学院，昆明 650500） 

摘要：为了提高磁共振成像的重建精度，提出了一种精确的自然图像压缩感知 (Compressed Sensing， CS)重建网络，结合了基于模型和基于深度学习的CS-MRI 方法的优点。理论上，在线性重建中增强几何纹理细节是可行的。首先，将优化问题分解为线性近似和几何补偿两个问题。针对图像线性近似问题，采用数据一致性模块对其进行处理。由于处理过程会丢失纹理细节，因此提出一种显式结合图像和频率特征表示的神经网络层，命名为蝶形空洞几何蒸馏网络。该网络引入了蝶形运算的思想，巧妙地融合了图像域和频域的特征，避免了单一域提取特征时纹理细节的丢失。最后，结合通道注意力机制和空洞卷积设计了通道特征融合模块。通道注意力使得最终输出的特征图集中在更重要的部分，从而提高了特征表示能力。空洞卷积扩大了感受野，从而获得更稠密的图像特征数据。实验结果表明，在笛卡尔采样掩码CS比例为10%的大脑数据集上，该网络的峰值信噪比比 ISTA-Net+、FISTA 和DGDN 网络分别提高了 5.43 dB、5.23 dB 和 3.89 dB。

关键词：蝶形几何蒸馏，空洞卷积，通道注意力，图像重建

 扫二维码全文浏览

Cite this article: 

Duo, L., Xu, B., Ren, Y. et al. Magnetic Resonance Imaging Reconstruction Based on Butterfly Dilated Geometric Distillation. J. Shanghai Jiaotong Univ. (Sci.) 30, 590–599 (2025). https://doi.org/10.1007/s12204-024-2701-8