因果惯性近端Mamba网络

磁共振重建更快更清晰

通过因果建模消除混杂因素，在全局感知与计算效率之间取得平衡，重建图像质量显著优于已有方法。

朱宏擎 · 黄丙仓 · Chen, Kai

Medical Image Analysis 2025

参数信息

PSNR提升

5.69 dB

SSIM提升

0.058

PSNR提升

7 dB

SSIM提升

0.072

技术优势

因果去偏

用因果模型消除采样策略和数据集的混杂偏置，抑制虚假相关性，让重建对采集条件更稳健。

效率与感知兼得

将迭代算法展开为Mamba网络，在全局感知和计算效率之间取得有效平衡，避免只追求精度而牺牲速度。

频域病理特征增强

因果频率Mamba模块捕获复杂的病理特征，提升对病灶的敏感度，帮助医生更准确地发现异常。

应用场景

• 磁共振成像：用因果去偏的Mamba网络替代原有重建算法，得到更清晰、稳健的图像。
• 医学影像重建：在不牺牲计算效率的前提下提升重建质量，减少混叠和伪影。
• 快速成像：通过Mamba展开网络平衡全局感知与计算效率，加速重建流程。
• 计算机辅助诊断：频域模块捕获复杂病理特征，为医生提供更准确的病灶信息。