研究人员开发了MR-JEPA，这是一种用于心脏磁共振成像（CMR）的自监督视频基础模型。该模型通过处理3D时空输入扩展了先前的工作，并在来自10,000多名患者的无标注多序列数据上进行了预训练。与特定领域和自然视频基础模型相比，MR-JEPA在五个回归任务和疾病检测方面表现出卓越的性能，表明其在心脏量化和诊断方面具有强大的临床应用潜力。此外，还引入了一个名为MRpro的开源框架，该框架基于PyTorch构建，旨在促进MR成像的现代深度学习重建。MRpro支持开放数据格式，并包含可组合算子、优化算法和深度学习构建块，从而能够实现跨各种重建和定量估计任务的可复现应用。 AI
影响 这些进展可能带来更准确、更高效的心脏诊断以及改进的MR成像重建技术。
排序理由 两篇不同的研究论文介绍了用于医学成像的新AI模型和框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.30975v1 Announce Type: cross Abstract: Cardiac magnetic resonance imaging (CMR) produces rich sequential data such as temporal cine videos and spatial LGE/mapping stacks, yet most deep learning approaches process individual 2D slices, discarding this context. We presen…
arXiv:2507.23129v2 Announce Type: replace-cross Abstract: We preseent an open-source image reconstruction package built upon PyTorch, enabling modern deep-learning reconstructions. It uses open data formats for input and output (ISMRMRD, DICOM, NIfTI), allowing easy integration i…