Anatomical Token Uncertainty for Transformer-Guided Active MRI Acquisition

这是一篇关于基于 Transformer 引导的主动 MRI 采集（Transformer-Guided Active MRI Acquisition）的学术论文详细技术总结。该研究提出了一种名为 TRUST-MRI 的新框架，旨在解决 MRI 成像速度慢的问题，通过利用预训练医学图像 Tokenizer 的离散结构不确定性来优化采样策略。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 核心挑战：磁共振成像（MRI）的全数据采集（k-space 全采样）速度缓慢，限制了临床吞吐量并增加了患者不适。
• 现有方案局限：
  • 压缩感知（CS-MRI）：通常依赖于固定的采样轨迹或针对整个数据集优化的概率掩码，难以适应单次扫描中患者特定的解剖结构变化。
  • 主动采样（Active Sampling）：虽然已有方法（如 AdaSense, Ada-Sel）尝试在线更新采样策略，但往往存在稳定性问题，或在高加速比下需要在重建质量和采样策略之间做出权衡。
  • 评估指标偏差：传统指标（PSNR, SSIM）主要关注像素级精度，往往与放射科医生感知的图像质量（解剖结构细节、纹理）相关性较差，且对采集噪声敏感。

2. 方法论 (Methodology)

该论文提出了一种主动采样框架，利用预训练的医学图像 Tokenizer（MedITok）和 Transformer 模型来引导 k-space 数据的采集。

2.1 核心架构

• 离散 Token 表示：使用 MedITok 将 MRI 图像（实部和虚部）编码为离散的视觉 Token 序列。图像被划分为 Patch，映射到离散码本（Codebook）中。
• Transformer 预测：训练一个 Transformer 解码器，根据当前采样的 k-space 数据重建完整的 Token 序列。Transformer 输出每个潜在位置（Latent Position）上 Token 的概率分布。
• 不确定性度量：利用 Token 概率分布的香农熵（Shannon Entropy）来量化模型对特定解剖区域的不确定性。高熵值意味着模型对该区域的预测不确定，需要更多数据。

2.2 两种主动采样策略

论文提出了两种利用潜在空间（Latent Space）不确定性来指导 k-space 采样的策略：

1. **潜在熵选择 **(Latent Entropy Selection, LES)：

   • 原理：计算每个 Patch 的 Token 熵，生成低分辨率的熵图。
   • 映射：将熵图双线性插值回图像尺寸，并通过傅里叶变换（FFT）转换到 k-space 域。
   • 决策：k-space 中幅度较大的行（对应高频或模型不确定的频率成分）被选为下一次采样的目标。
   • 特点：直接利用概率分布，无需反向传播，计算效率高。

2. **基于梯度的熵优化 **(Gradient-based Entropy Optimization, GEO)：

   • 原理：计算总潜在熵损失（Total Latent Entropy Loss）相对于输入 k-space 测量值的梯度。
   • 技术细节：由于量化操作不可微，使用直通估计器（Straight-Through Estimator, STE）将梯度从 Transformer 输出反向传播至输入 k-space。
   • 决策：选择梯度幅度最大的 k-space 行，即那些能最大程度降低总熵（不确定性）的测量值。
   • 特点：更精确地定位不确定性来源，但计算成本略高于 LES。

3. 主要贡献 (Key Contributions)

1. 新颖的主动采样框架：首次将预训练医学图像 Tokenizer 的离散结构与 Transformer 结合，利用 Token 熵作为主动采样的不确定性信号。
2. 两种创新策略：提出了 LES（基于投影的熵选择）和 GEO（基于梯度的熵优化），有效解决了从潜在空间不确定性到 k-space 采样路径的映射问题。
3. 统一的评估体系：在 fastMRI 膝关节和脑部数据集上进行了广泛评估，不仅使用传统像素指标（PSNR/SSIM），还重点引入了深度特征距离（Deep Feature Distances, DFDs）如 LPIPS, DISTS, SSFD，以更准确地反映解剖结构保真度。
4. 开源代码：提供了完整的代码实现（TRUST-MRI）。

4. 实验结果 (Results)

实验在 fastMRI 单线圈膝关节（Knee）和脑部（Brain）数据集上进行，加速倍数为 ×8 和 ×16。

• 定量性能：
  • 像素级指标：在 PSNR 和 SSIM 上，传统方法（如 PUERT, LOUPE）表现更好。这是因为主动采样方法倾向于抑制采集噪声，导致与含噪的 Ground Truth 像素差异较大。
  • 感知与特征指标：提出的 LES 和 GEO 在 LPIPS, DISTS, SSFD 等指标上显著优于所有基线方法（包括 PUERT, LOUPE, AdaSense, Ada-Sel）。
    • 示例：在 Knee ×16 加速下，GEO 的 SSFD 为 8.82，相比 PUERT (14.75) 降低了约 40.2%，表明其重建图像在解剖结构和纹理上更接近真实情况。
• 定性分析：
  • 视觉对比显示，在 ×16 高加速下，LES 和 GEO 能更好地保留细节和局部纹理，避免了传统方法常见的过度平滑（Over-smoothing）现象。
  • 生成的图像更清晰，且有效抑制了 Ground Truth 中的采集噪声。
• 效率分析：
  • LES 具有极高的吞吐量（0.97 fps），远快于之前的主动采样方法（如 AdaSense 仅 0.01 fps）。
  • GEO 虽然稍慢（0.50 fps），但仍比扩散模型等基线快得多。
• Oracle 分析：通过 VQ-VAE Oracle 测试发现，离散潜在空间本身的上限很高，目前的性能差距主要源于 Transformer 对潜在序列的预测能力，而非表示能力本身。

5. 意义与结论 (Significance)

• 感知 - 失真权衡（Perception-Distortion Trade-off）：该研究证明了通过优化潜在空间的不确定性，可以将采样策略从单纯的“像素级保真”转向“解剖结构合理性”。虽然牺牲了部分 PSNR（因去噪），但显著提升了临床医生更看重的图像结构和纹理质量。
• 临床实用性：提出的方法（特别是 LES）在保持高图像质量的同时，具备极高的计算效率，使其在临床实时或准实时 MRI 扫描中具有部署潜力。
• 未来方向：研究计划改进潜在 Token 的预测能力，探索混合损失函数，并将方法扩展至多线圈数据和非笛卡尔轨迹。

总结：TRUST-MRI 通过引入基于 Transformer 的 Token 熵不确定性，成功实现了一种高效、自适应的主动 MRI 采样策略。它在高加速比下显著提升了图像的解剖结构保真度，为克服传统压缩感知 MRI 在感知质量上的局限性提供了新的解决方案。