换一批基于成像物理模型与流形结构的自监督磁共振指纹参数量化方法
Self-supervised Magnetic Resonance Fingerprint Parameter Quantization Method Based on Imaging Physical Model and Manifold Structure
摘要磁共振指纹成像是一种高效的多参数定量成像技术,但传统方法依赖信号字典进行参数量化,存在离散化误差大与匹配效率低下等问题.针对现有监督学习方法依赖伪标签、缺乏物理可解释性的局限性,本文提出了一种融合成像物理模型与流形结构建模的自监督磁共振指纹参数量化方法.该方法通过布洛赫方程驱动的自监督物理一致性学习获得可靠的无标签约束,并结合流形结构驱动的知识蒸馏,将长帧的特征迁移至短帧模型,实现物理约束与结构先验的联合优化,从而同时提升无标签条件下的精度与效率.实验验证了本方法在准确性与鲁棒性方面的优势,为实现高效可靠的磁共振指纹参数估计提供了新思路.
更多相关知识
关键词
磁共振指纹成像自监督学习参数量化成像物理模型流形结构magnetic resonance fingerprint imagingself-supervised learningparameter quantizationimaging physical modelmanifold structure
栏目名称
DOI
10.11938/cjmr20253173
发布时间
2026-03-31（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62371167）
黑龙江省自然科学基金资助项目（YQ2021F005）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
