论文的创新点：
本文开发了一个基于分割大模型SAM引导的非局部和局部先验网络，并将其用于CSMRI的重构，提出了一个名为SAM-NLNet的深度展开网络。SAM-NLNet包涵多个深度展开阶段，每个阶段都包含一个由SAM引导的本地和非本地先验网络建模的反演步骤和近端投影步骤。在先验网络中，局部信息提取模块和非局部信息提取模型被设计以实现特征信息互补，然后采用一个特征注意模块以动态校准特征。特别地，本文详细阐述了一种名为CFNet的边缘辅助交叉融合网络，通过SAM分割的边缘信息和来自零填充图像的丰富先验作为先验网络的输入以获取互补信息。大量实验表明，与最先进的CSMRI算法相比，所提出方法可以在保留高度欠采样测量的感知图像细节的情况下实现良好的重建质量。
苏月明讲师简介：
博士，讲师，硕导，申请人近年来一直在从事图像处理、模式识别、深度学习和压缩感知方面的研究工作。近五年来受河北省教育厅资助，主持并完成了河北省研究生创新资助项目“基于深度学习的压缩感知技术研究”；目前正在主持国家自然科学基金青年项目“基于可解释深度学习和压缩感知的稀疏角CT成像算法研究”和校级青年科研基金项目“面向海量物流数据可解释深度学习的压缩感知算法研究”；参与完成河北省自然科学基金面上项目“基于深度先验的衍射成像方法研究”和河北省青年拔尖人才计划项目“基于无监督深度字典学习的高分辨率衍射成像方法研究”。近两年已承担多门本科生课程，并指导本科生毕设和大学生创新创业项目。
