基于双域协同的多模态磁共振图像超分辨率重建算法-AET-电子技术应用

基于双域协同的多模态磁共振图像超分辨率重建算法

电子技术应用

王路路，杨宇杰，刘思忆

昆明理工大学信息工程与自动化学院

摘要： 单图像域重建的图像存在结构性和非局部的混叠伪影，并且多模态超分辨率重建网络忽略了由于模态特异性差异导致的不合理特征融合。针对此问题，提出了基于双域协同的多模态磁共振图像超分辨率重建算法。通过双域协同的方式，结合包含结构信息的图像域局部特征和包含频率分布的频域全局特征，消除不同模态间的错位关系带来的影响。设计可变形跨模态注意力模块将T1模态中的高频互补信息自适应迁移至T2模态；隐式注意力机制实现任意尺度的超分辨率重建。实验结果表明，DDCMC相对于其他单域重建的图像具有较好的视觉质量。

关键词： 磁共振成像超分辨率重建注意力机制双域学习

中图分类号：TP391.4 文献标志码：A DOI: 10.16157/j.issn.0258-7998.256492
中文引用格式： 王路路，杨宇杰，刘思忆. 基于双域协同的多模态磁共振图像超分辨率重建算法[J]. 电子技术应用，2026，52(1)：78-86.
英文引用格式： Wang Lulu，Yang Yujie，Liu Siyi. Multi modal magnetic resonance image super-resolution reconstruction algorithm based on dual domain collaboration[J]. Application of Electronic Technique，2026，52(1)：78-86.

Multi modal magnetic resonance image super-resolution reconstruction algorithm based on dual domain collaboration

Wang Lulu，Yang Yujie，Liu Siyi

Faculty of Information Engineering and Automation， Kunming University of Science and Technology

Abstract： The images reconstructed from single image domains suffer from structural and non-local aliasing artefacts, and the multimodal super-resolution reconstruction network ignores irrational feature fusion due to modality-specific differences. To address this problem, a multimodal magnetic resonance image super-resolution reconstruction algorithm based on dual-domain synergy is proposed in this paper. By means of dual-domain synergy, local features in the image domain containing structural information and global features in the frequency domain containing frequency distributions are combined to eliminate the effects of misalignment relationships between different modalities. The deformable cross-modal attention module is designed to adaptively migrate the high-frequency complementary information in T1 modality to T2 modality; the implicit attention mechanism achieves the super-resolution reconstruction at arbitrary scales. The experimental results show that DDCMC has better visual quality than other single-domain reconstructed images.

Key words : magnetic resonance imaging；super-resolution reconstruction；attention；dual-domain learning

引言

磁共振成像（Magnetic Resonance Imaging，MRI）为无创、无损伤的多参数、多对比度的临床医学成像技术，高分辨率MRI图像可以提供清晰的解剖细节和组织的细微结构，在临床前期诊断和后期治疗中发挥着不可替代的作用。但在MRI图像采集过程中，由于患者疾病导致的不自主移动等原因，MRI系统须在有限时间内完成采集，导致采集图像质量低下，不能满足临床需求。并且通过改良硬件来提升MRI图像质量的方法受限于成本等原因，因此目前图像超分辨率（Super-Resolution，SR）技术是提高MRI图像质量的重要手段。

MRI系统可以选择不同参数形成具有相同解剖结构的不同模态图像，如T1加权和T2加权，二者拥有可以提供互补信息的图像纹理。然而在实际临床中，由于不同参数成像时的采集时间有所不同，如T1加权的重复时间和回声时间短于T2加权，为此，可以考虑利用含有丰富跨模态上下文的T1加权先验信息，构建T1指导T2的图像超分辨率重建模型。目前的多模态MRI超分辨率重建[1]使用某一模态提供参考信息指导另一模态图像重建，但仍存在以下问题：（1）仅对图像域中的MRI图像进行特征提取，无视MRI图像中的频域信息，从而导致重建的SR图像存在伪影和模糊；（2）直接模态特征融合时，模态特异性差异会导致单图像域重建图像存在结构性和非局部的混叠伪影；（3）固定整数上采样尺度：这些方法只能处理固定的整数上采样尺度（如2×、3×、4×），缺乏临床应用所需的灵活性，为每个上采样尺度训练和存储相应模型需要大量资源。

为解决上述问题，本文提出基于双域协同的多模态磁共振图像超分辨率重建算法（Based on Dual Domain Collaboration for Multi Contrast Magnetic Resonance Image Super Resolution Reconstruction Algorithm，DDCMC）。如图1所示，附加分支提取频域中MRI图像特征去除混叠伪影。DDCMC以双域协同方式处理图像，结合包含结构信息的图像域局部特征和包含频率分布的频域全局特征，提取具有复杂解剖结构的高频纹理，消除不同模态间的错位关系带来的影响；构建隐式注意力网络以实现任意尺度的超分辨率重建。

图片1.png