UniField 用统一框架把 64mT→3T 与 3T→7T 脑 MRI 增强合并训练，平均提升约 1.81 dB PSNR 与 9.47% SSIM
核心概要
该工作提出 UniField，一个统一的多模态、多任务 MRI 场强增强框架：它把 T1、T2、FLAIR 以及 64mT→3T、3T→7T 等跨场强任务合并到单一模型中，借助预训练视频超分模型 FlashVSR 的潜空间与 LoRA 微调引入 3D 结构先验，并用场强感知频谱校正机制（FASRM）按源/目标场强的物理特性调整低、中、高频损失权重，同时整理并公开一个来自五家机构、规模比既有基准大一个数量级的配对多场强 MRI 数据集；实验报告相对对比方法平均提升约 1.81 dB PSNR 和 9.47% SSIM。
深度剖析
统一建模把不同模态与不同场强转换合并进一个模型，并带来一致增益。 既有方法多为特定模态或特定转换（如 64mT→3T）训练孤立网络，本文用模态与转换条件把任务合并，使共享退化模式充当隐式数据增强。 消融表显示统一模态优于单模态（如 64mT→3T 的 T1 由 PSNR 18.41 升至 18.71），再加入统一任务后进一步升至 19.06，加入 FASRM 后达 19.75；3T→7T 也呈同类趋势。
FASRM 通过场强条件化的频带权重缓解流匹配模型的频谱偏置与过度平滑。 不同于统一或任务无关的频谱惩罚，FASRM 按源/目标场强物理特性分别调整低、中、高频权重，例如 64mT→3T 放松高频约束以避免盲目幻觉，3T→7T 抑制低频权重以阻止 B1 不均匀性等伪影被记忆。 消融中去除 FASRM 会出现高频重建差、图像模糊与解剖不一致，加入后指标改善；训练设置给出 λfreq=0.1、α=1.0，频带权重在 64mT→3T 为 [0.2,0.5,0.3]、3T→7T 为 [0.1,0.3,0.6]。
以预训练视频超分模型作为 3D 结构先验，替代逐切片 2D 处理与从零训练。 常规方法把 3D 体数据当作独立 2D 切片，丢弃层间连续解剖结构；本文在 FlashVSR 潜空间内做流匹配，冻结编解码器并用 LoRA 与稀疏注意力微调主干。 方法部分说明编解码器使用冻结的 FlashVSR 权重、主干用 LoRA 微调，并给出推理时的 ODE 求解形式；对比表中 FlashVSR 基线在多数指标上低于 UniField。
整理并公开一个多中心、多任务的配对多场强 MRI 数据集，规模比既有基准大一个数量级。 既有研究常仅依赖数十例严格配对数据，本文汇总五家机构数据并对未对齐配对做配准，覆盖 64mT→3T 与 3T→7T 两类任务。 数据表列出 ULF-EnC（50 例）、Leiden（10 例）、KCL（23 例）、UNC（10 例）、BNU（20 例），统一按 8:2 划分训练与测试，并采用 MONAI 强度归一化、1mm z 重采样与 256×256×160 尺寸。
启示与展望
该结果面向脑部 MRI 的场强增强场景，适用于具备配对低场/高场或临床场/超高场数据、并希望用单一模型覆盖多模态与多转换的研究与临床流程；作者提出未来将把这一范式扩展到更多解剖器官、磁场强度与疾病类型。数据集与代码已公开，便于后续在相同任务设定下复现与扩展。
测试集规模较小，3T→7T 各中心测试仅 2 至 4 例，读者会关心增益在更大、更多中心数据上是否稳定；FASRM 的频带权重按任务手工设定，其他场强组合下如何选取仍是开放问题；此外，评估以 PSNR、SSIM、NRMSE、LPIPS 等图像指标为主，这些指标与临床诊断可用性之间的关系尚待进一步观察。