PFONet：一种用于加速MRI的渐进式聚焦导向双域重建网络

摘要

对k空间数据进行欠采样操作是一种有效的加速磁共振（MRI）成像方法，但是利用欠采样的数据准确地进行图像重建是一个具有挑战性的工作.最近，利用频域和图像域双域信息的神经网络重建方法可以提升MRI重建性能，因此引起了研究者的关注.然而，这些方法主要存在以下两个不足：首先，在频率域，这些带有传统归一化模块的方法将测量数据和零填充区域同等对待，导致了k空间特征偏移现象和次优的重建效果；其次，在图像域，现有方法通常忽略了多尺度的动态特征对于细节恢复的重要性，因此传统图像域网络难以学习足够的全局-局部信息以重建结构细节.因此，本文提出了一种新型渐进式聚焦导向双域重建网络（PFONet），以分别克服频域和图像域的这些限制.在频域，提出了一个专注于零填充区域的区域归一化模块，逐步缓解特征偏移问题，并预测可靠的k空间数据.在图像域，提出了一个带有通道级门控机制的动态注意力模块，专注于从多尺度感受野中提取丰富的全局-局部特征，以恢复细节.定量和定性实验表明，在与几种最先进方法的比较中，本文提出的PFONet最为轻量，同时实现了更优的重建性能.

关键词

磁共振成像 / 磁共振重建 / 渐进式聚焦导向 / 多尺度特征聚合