Lei Zhang

本文提出 ESPIRiT-Diffusion——一种物理引导的基于分数的扩散重建框架，将多组 ESPIRiT 线圈灵敏度图的数据一致性约束引入 Langevin 方程，用于 8.8 倍与 10.7 倍加速、各向同性 0.6 mm³ 分辨率的颅内与颈动脉联合血管壁成像（VWI）；回顾性实验（笛卡尔、CAIPI、变密度欠采样）中其重建表现优于 ESPIRiT、DL-ESPIRiT、SENSE-Diffusion 与 SPIRiT-Diffusion，并更好地保留细小血管壁结构；前瞻性患者实验中血管壁病灶显示良好，与 3 倍压缩感知参考相比，各血管节段及总体读者评分均无统计学显著差异。

本文提出 ESPIRiT-Diffusion——一种物理引导的基于分数的扩散重建框架，将多组 ESPIRiT 线圈灵敏度图的数据一致性约束引入 Langevin 方程，用于 8.8 倍与 10.7 倍加速、各向同性 0.6 mm³ 分辨率的颅内与颈动脉联合血管壁成像（VWI）；回顾性实验（笛卡尔、CAIPI、变密度欠采样）中其重建表现优于 ESPIRiT、DL-ESPIRiT、SENSE-Diffusion 与 SPIRiT-Diffusion，并更好地保留细小血管壁结构；前瞻性患者实验中血管壁病灶显示良好，与 3 倍压缩感知参考相比，各血管节段及总体读者评分均无统计学显著差异。