基于焦点像素损失(CAMERA-Net)的加速磁共振成像(MRI)重建网络研究

为解决MRI扫描速度慢制约临床应用的难题，来自Anke High-tech的研究团队开发了多级级联小波神经网络(CAMERA-Net)。该网络创新性地融合小波变换正则化架构和焦点像素损失策略，在fastMRI数据集上实现优于U-net的重建精度，为加速MRI提供兼具灵活性与准确性的新范式。

　　

磁共振成像(Magnetic Resonance Imaging, MRI)缓慢的采集速度始终是临床推广的重要瓶颈。针对这一挑战，研究者们提出了名为CAMERA-Net的创新解决方案——一个基于小波变换正则化的多级级联神经网络。该网络巧妙地将小波变换与卷积神经网络(CNN)相结合，通过级联结构实现深度可调而不增加参数量。更引人注目的是提出的焦点像素损失(focal pixel loss)策略，能动态调整像素级损失权重，使网络聚焦于重建难度高的关键区域。实验数据表明，这种小波变换正则化网络显著优于传统U-net架构，配合级联设计和智能损失函数，在fastMRI基准测试中刷新了当前最优水平。这项研究不仅为加速MRI提供了新工具，其模块化设计更为医学图像重建领域开辟了新思路。