DDMamba：一种用于多模态磁共振成像重建的双域Mamba算法，结合了傅里叶融合技术

《MAGNETIC RESONANCE IN MEDICINE》：DDMamba: A Dual-Domain Mamba for Multi-Modal Magnetic Resonance Imaging Reconstruction With Fourier Fusion

多模态MRI重建中提出双域Mamba网络，通过空间多尺度特征提取、小波频域扫描策略和傅里叶域全局特征融合，有效提升低采样MRI图像重建精度和可靠性，实验表明优于现有方法。

　　

摘要

目的

尽管利用多模态磁共振（MR）图像之间的共享信息进行重建已经取得了有希望的结果，但仍需要开发新的方法来实现更高效和可靠的MRI重建。

方法

本文提出了一种基于双域Mamba网络（DDMamba）的多模态MRI重建方法，该方法采用傅里叶融合技术来解决严重欠采样的MR图像重建问题。DDMamba包含三个关键模块：空间Mamba、小波Mamba和傅里叶融合模块。空间Mamba通过多尺度特征提取块来细化输入特征的空间信息，为状态空间模型提供更丰富的空间特征；小波Mamba引入了一种新的扫描策略——小波2D选择性扫描，该策略能够建立从低频到高频的依赖关系；傅里叶域操作则利用全局特征来增强空间信息与小波信息的融合效果。

结果

在NAMIC、BraTS和fastMRI等公开数据集上进行的广泛实验表明，所提出的方法在多模态MRI重建方面表现出优越的性能。与现有技术相比，该方法在定量指标和可视化效果上均有显著提升。

结论

所提出的双域Mamba网络通过傅里叶融合整合了空间域和小波域的特征，有效优化了多特征表示。该方法显著提升了多模态单线圈MRI的重建质量，满足了临床实践中对高效可靠成像解决方案的需求。

利益冲突

作者声明没有利益冲突。