研究人员开发了改进磁共振成像（MRI）重建的新方法，特别是在图像质量通常会下降的高加速因子下。一种方法将保形分位数回归与重建技术相结合，以提供像素级不确定性量化，在没有真实数据的情况下识别不可靠区域。另一种方法利用离散自回归建模和特权信息蒸馏，将MRI重建视为潜在空间中的下一个加速尺度预测问题，从而可以从极度稀疏的测量中获得更清晰的重建。 AI
影响 这些进展可能导致更具适应性的MRI采集方案，平衡扫描时间和诊断可靠性，并提高临床环境中的图像质量。
排序理由 该集群包含两篇学术论文，详细介绍了用于MRI重建的新型AI/ML方法。
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 →
arXiv:2601.13236v2 Announce Type: replace-cross Abstract: Parallel imaging techniques reduce magnetic resonance imaging (MRI) scan time but image quality degrades as the acceleration factor increases. In clinical practice, conservative acceleration factors are chosen because no m…
Discrete autoregressive MRI reconstruction using privileged information distillation achieves superior performance under extreme undersampling by leveraging visual autoregressive modeling techniques.