NKI-AI/direct

解决的问题

DIRECT 是一个专为加速 MRI 重建设计的 PyTorch 工具包。它解决了如何将未充分采样的多线圈 k 空间数据（原始 MRI 数据）转换为高质量图像的挑战，提供了一种标准化的方式来处理采样、重建和验证。

工作原理

该工具包提供了一个端到端的流程，管理从原始数据到最终图像的整个过程。包含：

• 数据处理： 支持多种 MRI 体积（静态、动态、多切片），并提供多种采样掩码库（如笛卡尔、径向、螺旋等）。
• 模型库： 包含广泛的重建架构，包括 vSHARP、RecurrentVarNet、RIM，以及基于 Transformer 的重建器如 ViT 和 UFormer。
• 训练选项： 支持完全监督、自监督（SSDU）以及监督/自监督联合学习（JSSL）范式。
• 优化： 提供分布式多 GPU 训练、混合精度以及可根据加速度因子动态调整网络的条件化流水线等工具。

适用人群

主要面向从事医学影像研究的科研人员和开发者，特别是专注于基于深度学习的 MRI 重建与加速的人员。

亮点

• 竞赛获奖模型： 包含 vSHARP 和 RecurrentVarNet 等在重大 MRI 重建竞赛中获奖的模型实现。
• 全面的采样支持： 提供多样化的 k 空间掩码和学习得到的自适应动态采样器（ADS）。
• 丰富的评估指标： 内置 MRI 专用验证指标，如 SSIM、pSNR 和 NMSE。
• 模型动物园： 通过 Hugging Face 提供预训练模型，便于快速部署和复现。