研究人员开发了一种新颖的MRI重建方法，将该过程移至离散的多尺度潜在空间，并将其构建为自回归的下一加速尺度预测。该方法利用离散先验，类似于视觉自回归建模中使用的先验，将解决方案限制在紧凑的代码本标记序列中，即使在测量极稀疏的情况下也能实现更清晰的重建。该方法还结合了受大型语言模型后训练启发的on-policy特权信息蒸馏技术，以进一步提高重建精度。在fastMRI基准上的实验表明，在极端欠采样下的各种采样模式下性能均有所提高。 AI
影响 通过改编视觉自回归建模和大型语言模型的技术，为MRI重建引入了一种新颖的方法。
排序理由 该集群包含一篇详细介绍MRI重建新方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
MRI reconstruction is an inherently ill-posed inverse problem, since incomplete measurements admit many plausible solutions. This ambiguity becomes more severe under high acceleration, where pixel-domain continuous predictors tend to average over feasible reconstructions and supp…
arXiv:2605.19354v2 Announce Type: replace-cross Abstract: MRI reconstruction is an inherently ill-posed inverse problem, since incomplete measurements admit many plausible solutions. This ambiguity becomes more severe under high acceleration, where pixel-domain continuous predict…