Paper page - PhyMRI-SR: Toward Physics-Aware MRI Image Super-Resolution

Source: https://huggingface.co/papers/2607.06238

摘要

MRI超分辨率被重新定义为一个物理感知的重建问题，该问题利用先验感知表征和物理约束建模，通过高斯泼溅动态调整分辨率-信噪比配置。

磁共振成像（MRI）超分辨率对于提高诊断可及性至关重要，但大多数方法将其视为从固定低分辨率输入到高分辨率目标的确定性映射。这忽略了MRI采集物理的一个关键特性：空间分辨率和信噪比（SNR）本质上是耦合的，因此在不同的采集权衡下，任何给定的低分辨率扫描仅仅是众多可能实现中的一个。我们重新思考MRI超分辨率，将其作为一个物理感知的重建问题，其目标是确定最优的分辨率-信噪比配置，然后对其进行超分辨率以获得高质量的MRI结果。这一表述的一个关键含义是MRI分辨率变成动态的而非固定的。为了处理这种分辨率异构的输入，我们将2D高斯泼溅（2D GS）适配到MRI，将重建公式化为一个基于坐标、分辨率无关的渲染问题。为了进一步提高保真度，我们引入了三项创新：(1) 一种先验感知的高斯表示，它结合了解剖结构先验用于组织特异性核初始化，以及成像系统先验通过协方差字典捕获硬件特性；(2) 一个物理约束的信号建模方案，预测内在组织参数（质子密度ρ和有效弛豫率R2），并通过支配物理方程合成强度，确保生物物理上合理的对比度；(3) 一个元学习框架，通过在模拟数据上预训练并适应真实世界条件来缓解配对数据稀缺。在动态分辨率数据集和标准基准上的大量实验表明，我们的方法实现了最先进的性能，凸显了其在临床部署中的强大潜力。

查看arXiv页面 (https://arxiv.org/abs/2607.06238)查看PDF (https://arxiv.org/pdf/2607.06238)项目页面 (https://bio-med-i2-lab.github.io/projects/PhyMRI-SR/)GitHub2 (https://github.com/weilihua0205/PhyMRI-SR)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.06238)

在你的智能体中获取此论文：

hf papers read 2607\.06238

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用 arxiv.org/abs/2607.06238 以将其链接至此页面。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用 arxiv.org/abs/2607.06238 以将其链接至此页面。

引用此论文的Spaces0

没有Space链接此论文

在Space README.md中引用 arxiv.org/abs/2607.06238 以将其链接至此页面。

包含此论文的收藏集0

没有包含此论文的收藏集

将这篇论文添加到一个收藏集 (https://huggingface.co/new-collection) 以将其链接至此页面。