論文の概要: PAS-Mamba: Phase-Amplitude-Spatial State Space Model for MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2601.14530v1
• Date: Tue, 20 Jan 2026 22:53:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.178274
• Title: PAS-Mamba: Phase-Amplitude-Spatial State Space Model for MRI Reconstruction
• Title（参考訳）: PAS-Mamba:MRI再構成のための位相振幅空間モデル
• Authors: Xiaoyan Kui, Zijie Fan, Zexin Ji, Qinsong Li, Hao Xu, Weixin Si, Haodong Xu, Beiji Zou,
• Abstract要約: 本稿では、周波数領域における位相と等級モデリングを分離し、画像領域の特徴と組み合わせて再構築するフレームワークを提案する。 IXI と fastMRI の膝のデータセットの実験では、PAS-Mamba は芸術再建手法の状態を一貫して上回っている。
• 参考スコア（独自算出の注目度）: 12.528008672425173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Joint feature modeling in both the spatial and frequency domains has become a mainstream approach in MRI reconstruction. However, existing methods generally treat the frequency domain as a whole, neglecting the differences in the information carried by its internal components. According to Fourier transform theory, phase and amplitude represent different types of information in the image. Our spectrum swapping experiments show that magnitude mainly reflects pixel-level intensity, while phase predominantly governs image structure. To prevent interference between phase and magnitude feature learning caused by unified frequency-domain modeling, we propose the Phase-Amplitude-Spatial State Space Model (PAS-Mamba) for MRI Reconstruction, a framework that decouples phase and magnitude modeling in the frequency domain and combines it with image-domain features for better reconstruction. In the image domain, LocalMamba preserves spatial locality to sharpen fine anatomical details. In frequency domain, we disentangle amplitude and phase into two specialized branches to avoid representational coupling. To respect the concentric geometry of frequency information, we propose Circular Frequency Domain Scanning (CFDS) to serialize features from low to high frequencies. Finally, a Dual-Domain Complementary Fusion Module (DDCFM) adaptively fuses amplitude phase representations and enables bidirectional exchange between frequency and image domains, delivering superior reconstruction. Extensive experiments on the IXI and fastMRI knee datasets show that PAS-Mamba consistently outperforms state of the art reconstruction methods.
• Abstract（参考訳）: 空間領域と周波数領域の合同特徴モデリングはMRI再建において主流のアプローチとなっている。 しかし、既存の手法は一般に周波数領域全体を扱い、内部コンポーネントが持つ情報の違いを無視する。 フーリエ変換理論によれば、位相と振幅は画像内の異なる種類の情報を表す。 スペクトルスワップ実験により、大域はピクセルレベルの強度を主に反映し、位相は画像構造を主に支配していることが示された。 周波数領域モデリングによる位相と大きさの特徴学習の干渉を防止するため、周波数領域における位相と大きさのモデリングを分離し、画像領域の特徴と組み合わせて再構成を改善するMRI再構成のための位相振幅空間モデル(PAS-Mamba)を提案する。 画像領域では、LocalMambaは空間的局所性を保ち、微細な解剖学的詳細を鋭くする。 周波数領域では、振幅と位相を2つの特殊分岐に切り離し、表現的結合を避ける。 周波数情報の同心的幾何を尊重するために、低周波数から高周波数までの特徴をシリアライズするためのCFDS(Circular Frequency Domain Scanning)を提案する。 最後に、DDCFM(Dual-Domain Complementary Fusion Module)は振幅位相表現を適応的に融合させ、周波数領域と画像領域の双方向交換を可能にし、より優れた再構成を実現する。 IXI と fastMRI の膝のデータセットの大規模な実験により、PAS-Mamba は最先端の再建方法より一貫して優れていることが示された。

関連論文リスト

• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
  位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。 この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-04-27T07:21:42Z)
• A Dual Domain Multi-exposure Image Fusion Network based on the Spatial-Frequency Integration [57.14745782076976]
  マルチ露光画像融合は、異なる露光で画像を統合することにより、単一の高ダイナミック画像を生成することを目的としている。 本稿では,MEF-SFI と呼ばれる空間周波数統合フレームワークによるマルチ露光画像融合の新たな視点を提案する。 提案手法は,最先端のマルチ露光画像融合手法に対する視覚的近似核融合結果を実現する。
  論文  参考訳（メタデータ） (2023-12-17T04:45:15Z)
• Unified Frequency-Assisted Transformer Framework for Detecting and Grounding Multi-Modal Manipulation [109.1912721224697]
  本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。 離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。 提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
  論文  参考訳（メタデータ） (2023-09-18T11:06:42Z)
• Global k-Space Interpolation for Dynamic MRI Reconstruction using Masked Image Modeling [10.74920257710449]
  ダイナミックMRI(Dynamic Magnetic Imaging)では、k空間はスキャン時間に制限があるためアンサンプされることが多い。 我々は,k-GINと呼ばれるトランスフォーマーベースのk空間グローバル補間ネットワークを提案する。 我々のk-GINは、2D+t k空間の低周波成分と高周波成分のグローバル依存関係を学習し、アンサンプされたデータを補間する。
  論文  参考訳（メタデータ） (2023-07-24T10:20:14Z)
• DONet: Dual-Octave Network for Fast MR Image Reconstruction [98.04121143761017]
  Dual-Octave Network (DONet) はMRデータの実像と虚像の両方からマルチスケールの空間周波数特徴を学習することができる。 私達のフレームワークは3つの魅力的な利点を提供します。
  論文  参考訳（メタデータ） (2021-05-12T21:41:02Z)
• Dual-Octave Convolution for Accelerated Parallel MR Image Reconstruction [75.35200719645283]
  本稿では,実物と虚構の両方から,多次元空間周波数特徴を学習可能なDual-Octave Convolution(Dual-OctConv)を提案する。 オクターブ畳み込みによる複雑な操作を改質することで、MR画像のよりリッチな表現を捉える強力な能力を示す。
  論文  参考訳（メタデータ） (2021-04-12T10:51:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。