qq_51221943的博客

然而，现有的VP-SDE可以被视为最大化要重建的MR图像的能量，并且可能导致SDE序列发散。此外，基于 VE 和 VP-SDE 的模型都存在耗时的采样过程，导致重建时间较长。在公开的 fastMRI 数据集上的实验表明，基于 HFS-SDE 的重建方法在重建精度方面优于并行成像、监督深度学习以及现有的基于 VE 和 VP-SDE 的方法。它还提高了MR重建的稳定性并加速了反向扩散的采样过程。SPIRiT通过自校准的方式，结合图像重建和校准的数据，来提供一致的解决方案，适用于任意K空间采样模式的图像重建。