使用对比域多尺度能量（MuSE）正则化的高分辨率定量 MRI

定量 MRI 方法可提供在不同扫描仪、不同扫描时段和不同受试者之间可比较的组织参数图（例如 T1），并能在单次扫描中同时获得多幅对比加权图像。然而，大多数数据以 1 mm 采集，这限制了其在影响精细脑结构的神经退行性疾病中的应用。据我们所知，我们首次提出了一种基于扩散模型的定量 MRI 重建方法，可在各向同性 0.5 mm 分辨率下、从不足 5 分钟的扫描中完成重建，其体素体积比临床协议小八倍。其核心思想是将先验施加于合成对比图像而非子空间系数。这样先验便独立于时间基和序列，从而提升了泛化能力，并使得在灰度 CelebA 人脸图像上训练的二维多尺度能量（MuSE）模型无需任何 MRI 训练数据即可使用。显式能量使重建可通过无步长的主化-最小化算法进行 MAP 估计，该算法沿不同轴对轮换的对比子集进行正则化，从而使三维多对比重建变得可行。对于 7 T 下 4.3 分钟的 3-D 径向 MPnRAGE，MuSE 将体模 NRMSE 从 0.133（CG-SENSE）和 0.091（L1-wavelet）降至 0.074，并将 WM T1 四分位距从 117 和 47 ms 降至 38 ms，并在 7 T 下进行了在体验证。

中文由 AI 翻译，仅供参考，以原文为准。