一、导读
4D MRI能够动态展示人体内部的三维结构变化，但在拍摄过程中，时间分辨率和空间分辨率之间存在矛盾，导致扫描时间长、图像模糊，尤其在快速运动（如心跳、关节活动）时问题更严重。传统方法通过图像配准插入中间帧，但难以处理大范围运动，容易造成图像错位和失真。
为此，本文提出TSSC-Net模型，使用扩散模型生成中间帧，并结合三向Mamba模块增强空间一致性。该方法仅用首尾两帧就能一次生成12帧动态序列，实现6倍时间超分辨，在心脏和膝关节MRI数据上均表现出色。
二、论文基本信息
-
论文标题：A Diffusion-Driven Temporal Super-Resolution and Spatial Consistency Enhancement Framework for 4D MRI imaging
-
作者姓名与单位：Xuanru Zhou, Jiarun Liu, Shoujun Yu, Hao Yang, Cheng Li, Tao Tan, Shanshan Wang（中国科学院深圳先进技术研究院、鹏城实验室、澳门理工大学）
-
论文链接：https://github.com/Joker-ZXR/TSSC-Net
三、主要贡献与创新
原、文指路👉MICCAI 2025｜4D MRI重建大突破！中科院TSSC-Net以扩散模型+Mamba模块，让动态器官成像又快又准
-
提出扩散驱动的时间超分辨网络，用首尾帧生成连续中间帧。
-
设计三向Mamba模块，从三个方向扫描体积数据，增强空间一致性。
-
实现单次推理6倍超分辨，显著提升动态MRI的时序连贯性。
-
在心脏和膝关节等大运动数据上优于传统配准与GAN方法。
-
使用复合损失函数，融合MSE、小波变换与全变分正则化。
-
提出两阶段训练策略，先训练扩散模型，再训练空间增强网络。
四、研究方法与原理
TSSC-Net的核心思路是：先用扩散模型补时间，再用Mamba模型补空间。
五、实验设计与结果分析
-
实验设置：使用ACDC心脏MRI（150例，256×256×32）和自采集膝关节MRI（12例，256×256×96），评测指标为MAE、PSNR、SSIM。
-
对比实验：
【表1】在心脏数据上，TSSC-Net的PSNR为32.971 dB，SSIM为0.977，与UVI-Net相当；在膝关节数据上，PSNR为20.041 dB，SSIM为0.730，显著优于VM、TM、UVI-Net等方法。
-
可视化对比：
【图3】红色箭头显示TSSC-Net在心脏和膝关节序列中保留更多解剖细节，运动更平滑。
-
消融实验：
【表2】移除空间一致性网络（w/o SC）后，PSNR和SSIM明显下降；
【图4】红色框显示未使用该网络时出现切片间不一致。
六、论文结论与评价
总结：TSSC-Net通过扩散模型插帧与三向Mamba增强空间一致性，在心脏和膝关节4D MRI上实现高质量动态重建，仅用两帧输入即可生成12帧序列。
评价：该方法为动态医学影像分析提供了新思路，尤其适用于大运动场景。其优点是插帧质量高、空间一致性好；缺点是依赖SAM分割质量，且未在更多器官或病理数据上验证。未来可探索多器官泛化与实时推理优化。
『 往期推荐 』
CVPR'25医图论文｜全切片图像分类新范式！MExD 首提 “专家注入扩散” 架构，WSI 分类精度碾压 12 种 SOTA
MICCAI 2025｜脑病变分割重大突破！牛津团队U-Net 创新：模态无关通道+影像合成，训练外序列也能精准分割
赞啊！3D医学影像分析CVPR/ICML/TMI 2025顶会新成果！
医图论文 ICCV'25 | 太顶了！M-Net：时序处理+TPS双 buff，MRI 脑肿瘤登顶 SOTA！
别再卷传统分割了！ICCV'25 新宠 TextSAM-EUS：零手动标注，文本驱动 SAM 搞定超声胰腺肿瘤分割
刷屏 CVPR 2025！医学影像 + 多模态，这些创新方向绝对是当下发文好方向！
CVPR'25 重磅！SKCDF 框架破解医学分割痛点：数据流解耦 + 知识互补，小器官 Dice 飙升 10%+
ICCV'25医图论文｜ 肿瘤分割新突破！TAGS用多模态提示，攻克肿瘤边界模糊与假阳性难题
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
