基于解剖结构引导的联合时空图嵌入框架提升磁共振指纹重建性能

　　本文提出一种创新的解剖结构引导联合时空图嵌入框架（SP-GE），通过整合解剖分割与组织同质性聚类，将磁共振指纹（MRF）数据分区并构建子图，显著提升重建信噪比（SNR）约2 dB，同时降低70%计算时间，为定量磁共振成像（MRI）提供高效精准的解决方案。

　　

Section snippets

MRF成像机制

本节简要概述磁共振指纹（MRF）的成像机制，重点在于重建问题的数学表述。MRF数据采集可表示为：

b = AX + n,

其中 b ∈ ?^{N_c × N_s × L} 表示多线圈采集的测量值，N_c 为接收线圈数量，N_s 为每个线圈采集的k空间样本数。

Methods

本节介绍所提出的解剖结构引导时空图嵌入框架。该框架包含四个连续阶段：解剖分割、同质性聚类、子图构建和结构保持图嵌入。前两阶段专注于将MRF数据划分为空间连续区域，并根据组织同质性进行聚类；后两阶段构建子图以捕获局部化时空相关性，同时显著降低计算复杂度。

Experiments

为全面评估SP-GE方法的性能，我们在模拟和体内（in vivo）MRF数据集上进行了广泛实验。结果与多种先进方法（SOTA）对比，包括传统模型类方法（如MBIR、FLOR、SL-SP、DG-LR、LG-PGE）和深度学习类方法（如SCQ、PGD等），验证了本方法在重建质量与效率方面的优越性。

Discussion

本节深入探讨SP-GE方法的核心优势：解剖引导图嵌入的有效性、计算效率的提升以及当前局限性。同时提出未来研究方向，例如进一步优化聚类策略以适配更复杂的病理组织结构，或扩展框架至动态MRF应用场景。

Conclusion

本文提出了一种新颖的层级式解剖结构引导图嵌入方法用于MRF重建。通过结合空间分割、聚类策略与图正则化技术，本方法高效捕获MRF数据中固有的时空相关性，同时保持关键结构关系。模拟与体内实验证明，该方法在重建精度与计算效率方面均达到业界领先水平。