用于磁粒子成像重建多任务的谐波自编码框架

《IEEE Transactions on Neural Networks and Learning Systems》：Harmonic Autoencoding Framework for Multiple Tasks in Magnetic Particle Imaging Reconstruction

　　

摘要：

磁粒子成像技术是一种创新的成像方法，能够以较高的时空分辨率重建磁粒子的分布情况。为获得高质量的磁粒子成像图像，传统方法如X空间法和系统矩阵法分别在时域和频域中进行处理。时域和频域的信号本质上都由谐波成分构成，因此重建质量与这些谐波元素的精确度密切相关。然而，背景噪声的存在以及系统矩阵收集过程中的复杂性会严重影响谐波的质量，从而导致重建结果的精度下降。为解决这些问题，我们提出了一种基于谐波特性的统一框架来提升重建质量。具体而言，该方法通过恢复被遮蔽的系统矩阵来对自编码器进行预训练，从而建立谐波之间的关联模型。之后，利用合适的解码器，可将预训练好的编码器应用于光谱去噪和系统矩阵超分辨率等任务。通过仿真及公开数据集验证，我们的框架在这两项任务中的表现始终优于现有的最先进方法。此外，对于使用我们自主研发的磁粒子成像系统采集的时域和频域数据，该框架也能显著提升重建质量。