摘要 PGDnet，或称为近端梯度下降网络，在经典优化的数学严谨性与深度神经网络的强大特征学习之间提供了一个引人注目的平衡。尽管像SwinIR这样的最先进数据驱动模型在基准数据集上通常能达到更高的峰值性能，但PGDnet在可解释性、参数效率和灵活性方面表现出色，使其成为特定应用的强有力竞争者。 本质上，PGDnet以较小的原始性能损失换取了更结构化和透明的模型。它在许多先进算法中具有很强的竞争力，...

第1节：磁共振成像中降噪的基本挑战 磁共振成像（MRI）是现代医学诊断的基石，提供了无与伦比的软组织对比度，而无需使用电离辐射。然而，获取MR信号的物理过程本质上容易受到噪声的影响，这一现象根本上限制了图像质量和诊断效用。噪声表现为像素强度的随机波动，这可能会遮蔽细微的解剖细节，模拟或掩盖病理，并破坏从图像中得出的定量测量。在解释MRI数据时，尤其是在功能性MRI（fMRI）等高级应用中，中心挑战...