PulseAugur
中
实时 15:04:09
English(EN) MoE-dqINR: A Unified Mixture-of-Experts Implicit Neural Representation Framework for Scan-Specific Dynamic and Quantitative MRI Reconstruction

新的MRI重建框架使用混合专家模型

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了MoE-dqINR，一个用于从欠采样MRI数据重建图像的新框架。该方法利用混合专家（Mixture-of-Experts）方法，将共享的空间信息与特定状态的合成分开，以提高灵活性和效率。该框架将每扫描的扫描特定优化时间显著缩短至约30秒，而之前的方法需要数百或数千秒。 AI

影响 引入了一种更有效的MRI重建方法，可能加快诊断过程。

排序理由 该集群包含一篇详细介绍新技术框架的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Yinzhe Wu, Fanwen Wang, Zhenxuan Zhang, Zi Wang, Chengyan Wang, Guang Yang ·

    MoE-dqINR: A Unified Mixture-of-Experts Implicit Neural Representation Framework for Scan-Specific Dynamic and Quantitative MRI Reconstruction

    arXiv:2605.31302v1 Announce Type: cross Abstract: Undersampled magnetic resonance imaging (MRI) reconstruction seeks to recover temporally or contrast-varying image series from incomplete multicoil k-space data while preserving state-dependent fidelity for dynamic and quantitativ…

  2. arXiv cs.CV TIER_1 English(EN) · Guang Yang ·

    MoE-dqINR: A Unified Mixture-of-Experts Implicit Neural Representation Framework for Scan-Specific Dynamic and Quantitative MRI Reconstruction

    Undersampled magnetic resonance imaging (MRI) reconstruction seeks to recover temporally or contrast-varying image series from incomplete multicoil k-space data while preserving state-dependent fidelity for dynamic and quantitative MRI (qMRI). Existing scan-specific implicit neur…

相关实体

相关话题