滤波器在信号处理中至关重要，主要有四种类型：低通滤波器（LPF）、高通滤波器（HPF）、带通滤波器（BPF）和带阻滤波器（BSF）。它们的功能是保留或滤除特定频率成分。理想滤波器与实际滤波器存在差异，阶数N影响滤波器性能，N=4被视为最佳选择，特别适用于振动诊断。

本文研究了一种卷积递归神经网络（CRNN）架构，用于心脏磁共振成像重建。通过引入高通滤波器和注意力机制，显著提高了重建质量，增强了结构相似性和降低了均方误差。研究表明，该方法在心脏MRI重建中表现出良好的性能和潜力。

该研究提出了一种新的神经网络架构CRNN，用于监督影像的心脏磁共振成像重建。该模型结合了单图像超分辨率细化模块，提高了单线圈重建的质量。使用高通滤波器强调原始数据中缺失的高频细节，相较于基准案例有显著改进，并具有进一步提高心脏磁共振成像重建的潜力。

该研究提出了一种新的神经网络架构CRNN，用于心脏磁共振成像重建。该模型结合了超分辨率细化模块，提高了单线圈重建的质量。通过使用高通滤波器，可以更好地强调原始数据中缺失的高频细节，该模型具有进一步提高心脏磁共振成像重建的潜力。