PulseAugur
中
实时 08:31:42
English(EN) SHFormer: Dynamic Spectral Filtering Convolutional Neural Network and High-pass Kernel Generation Transformer for Adaptive MRI Reconstruction

SHFormer 通过动态频谱滤波和 Transformer 增强 MRI 重建

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 SHFormer，这是一种用于自适应磁共振成像 (MRI) 重建的新型神经网络架构。该模型利用动态频谱滤波卷积神经网络 (CNN) 和高通核生成 Transformer 来改进高频细节的捕获，而这些细节通常会被现有的基于注意力（attention-based）的模型所忽略。SHFormer 旨在提供高质量的重建和跨不同 MRI 数据域的可重用特征，在未见过（unseen）的场景中显示出峰值信噪比 (PSNR) 和结构相似性度量 (SSIM) 的显著改进。 AI

影响 为自适应 MRI 重建引入了一种新架构，有可能提高图像质量和跨域数据的可重用性。

排序理由 研究论文，详细介绍了用于 MRI 重建的新神经网络架构。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

SHFormer 通过动态频谱滤波和 Transformer 增强 MRI 重建

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Sriprabha Ramanarayanan, Rahul G. S., Mohammad Al Fahim, Keerthi Ram, Ramesh Venkatesan, Mohanasankar Sivaprakasam ·

    SHFormer：用于自适应MRI重建的动态谱滤波卷积神经网络和高通核生成Transformer

    arXiv:2607.20159v1 Announce Type: new Abstract: Attention Mechanism (AM) selectively focuses on essential information for imaging tasks and captures relationships between distant pixel neighborhoods to compute feature representations. Accelerated MRI reconstruction benefits from …

相关实体

相关话题