PulseAugur
实时 11:01:50
English(EN) Cross-Modal Ultrasound-MRI Learning for Fetal Brain Ventricular Volumetry and Abnormality Screening

AI框架可根据超声数据预测胎儿大脑MRI数据

研究人员开发了VIFBA,一个新颖的框架,它使用超声视频来预测胎儿大脑MRI衍生的侧脑室容积并对脑室扩大程度进行分类。该方法旨在通过利用超声数据中的时空一致性,提供更易于获得且价格更低的产前大脑筛查。VIFBA还包含一个视觉语言模型,用于识别非脑室扩大引起的胎儿大脑异常,在回归、分类和异常检测任务中表现强劲。 AI

影响 该框架可以提高胎儿大脑异常产前筛查的可及性和可负担性。

排序理由 该项目是一篇发表在arXiv上的研究论文,详细介绍了一个用于医学影像分析的新AI框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

AI框架可根据超声数据预测胎儿大脑MRI数据

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yuhao Huang, Yuanji Zhang, Yuhuan Lu, Dong Ni, P. Ellen Grant, Davood Karimi ·

    面向胎儿脑室容积测量和异常筛查的跨模态超声-MRI学习

    arXiv:2608.14763v1 Announce Type: cross Abstract: Assessment of ventriculomegaly (VM) on fetal brain ultrasound relies primarily on measuring lateral ventricular atrial width on standard planes, which is operator-dependent and may not fully reflect the overall ventricular enlarge…