报告人：金其余
报告地点：腾讯会议ID：849-971-035
报告时间：2025年11月05日星期三14:00-15:00
邀请人：刘俊
报告摘要：
本报告提出几种用于加速MRI重建的方法，分别从自监督学习、全局插值建模以及状态空间建模角度出发，提升重建质量与模型可解释性。第一种方法为基于正则化理论的自监督重建框架，融合深度神经网络与结构低秩模型的零空间关系，设计可收敛的非扩张网络映射结构，在无全采样标签的情况下实现理论可解释的重建过程。第二种方法GPI-WT采用白盒Transformer架构，将k空间全局可预测性建模为低秩结构，通过展开次梯度优化算法构建可学习的注意机制，从而显著提升插值精度与可解释性。第三种方法RCM基于Mamba状态空间模型，引入循环结构与空间感知机制，有效缓解局部像素遗忘问题，结合自适应卷积与多尺度迭代优化，实现高保真、低参数量的MRI重建。实验表明三种方法在多个MRI数据集上均优于现有技术，兼顾性能、效率与理论完备性。
主讲人简介：
金其余，内蒙古大学教授、博导。法国南布列塔尼大学应用数学博士，巴黎六大、上海交通大学博士后，巴黎-萨克雷高等师范学校访问学者，内蒙古自治区“青年科技英才支持计划”青年科技领军人才，中国数学会医学数学专业委员会委员，中国运筹学会数学规划分会理事，内蒙古自治区数学学会理事。长期与国内外多所大学保持合作，包括法国巴黎-萨克雷高等师范学校、巴黎六大、Centre Inria Rennes等。研究领域包括：图像处理、计算机视觉与最优化。相应成果发表于SIAM Journal on Imaging Sciences、Cell子刊Structure、JSC、JMIV，TIP，TMM，TIM，PR，IP，MICCAI等期刊或会议。主持国家自然科学基金、内蒙古自然科学基金等项目多项。
学校主页