近日，西南财经大学计算机与人工智能学院新财经综合实验室博士生吴佳勉的研究论文“PALADIN: a novel plug-and-play 3D CS-MRI reconstruction method”被反问题领域权威期刊《Inverse Problems》正式接收。论文作者包括：吴佳勉（博士生）、尹诗白教授、蒋太翔教授（通讯作者）、刘贵松教授以及电子科技大学赵熙乐教授。论文的第一作者和通讯作者单位均为西南财经大学。

图1 单独使用去噪器和重建器的效果，以及二者共同作用下（提出方法）的效果。

     磁共振成像（MRI）作为一种重要的临床诊断技术，在医学领域得到广泛应用。然而，传统MRI技术存在扫描时间过长的缺点，这不仅增加了患者的痛苦，还可能影响成像质量。近年来，基于传统优化模型和深度学习的方法通过从压缩感知后的欠采样磁共振图像中恢复完整图像，显著缩短了成像时间。然而，传统优化模型在模型表示能力上存在局限，而深度学习方法则往往缺乏可解释性，这在一定程度上限制了其在医学临床中的应用。
    针对这一问题，该论文创新性地提出了一种新型三维即插即用图像重建方法，通过将具有强大模型表示能力的深度神经网络与传统优化算法相结合，在模型表示能力和可解释性之间实现了良好平衡，同时有效克服了传统使用单一去噪器的即插即用方法在处理退化信息方面的局限性。研究通过设计重建器和去噪器两个核心模块，分别学习磁共振图像在欠采样条件下的退化信息和数据分布特性，从而实现了图像结构信息的精准重建与细节的高质量恢复。此外，论文还从理论上严格证明了算法的收敛性，进一步提升了方法的可靠性，为其在医学临床诊断中的实际应用奠定了坚实基础。实验结果表明，该方法在两个公开磁共振图像数据集上均取得了国际领先的重建效果。
    《Inverse Problems》是应用数学、计算科学及工程交叉领域的国际权威期刊，专注于反问题理论与方法的前沿研究，涵盖数学建模、反演算法设计、图像重建等方向。该期刊致力于推动从观测数据中重建未知参数或系统的数学理论与计算技术，所发表研究成果被广泛应用于医学成像、地球物理勘探、无损检测及环境监测等领域，具有显著的学术价值与工程应用意义。
    论文链接 ： https://iopscience.iop.org/article/10.1088/1361-6420/adb8c6/meta