小波分解U型Transformer加速MRI重构

摘要

视觉Transformer在提升图像恢复性能方面表现出了良好潜能.研究了一种基于小波分解U型Transformer网络的加速磁共振图像（MRI）重建方法 .重建网络的核心单元结合了Swin Transformer与Unet结构，通过融合图像的多尺度特征，改进网络的学习能力，以达到更好的重建性能.采用小波变换对输入图像进行分解，减少了Swin Transformer输入的特征维度，从而有效降低了重构网络的计算复杂度.通过引入小波域损失来约束网络的训练，更好地恢复图像的结构纹理信息.在Calgary-Campinas大脑MR数据集上进行实验比较，结果验证了此方法在提升重构图像质量及控制系统计算复杂度方面的有效性.

关键词

磁共振图像重构 / 深度学习 / Swin Transformer模型 / Unet网络 / 小波变换