English(EN) Realistic noise synthesis reduces bias and improves tissue microstructure estimation with supervised machine learning

AI噪声合成改善MRI微观结构估计

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-01 10:35

研究人员开发了一个逼真的噪声合成（RNS）框架，以提高扩散MRI中微观结构估计的准确性。该方法解决了机器学习模型在模拟数据上训练时遇到真实MRI扫描中不同噪声特性时引入的偏差。通过将瑞西期望和有效后处理噪声方差纳入模拟训练数据，RNS显著减少了参数偏差，尤其是在低信噪比（SNR）条件下。 AI

影响提高了AI模型在医学成像中的精度，尤其是在低SNR扩散MRI数据方面。

排序理由该集群包含一篇学术论文，详细介绍了用于改进医学成像中使用的机器学习模型的新方法。

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]

arXiv cs.LG TIER_1 English(EN) · Bradley G. Karat, Ma\"eliss Jallais, Ali R. Khan, Santiago Aja-Fern\'andez, Jelle Veraart, Marco Palombo · 2026-06-02 04:00

逼真的噪声合成可减少偏差并改善监督机器学习的组织微观结构估计

arXiv:2606.02044v1 Announce Type: new Abstract: Diffusion MRI enables non-invasive probing of tissue microstructure, but accurate parameter estimation is challenged by noise-related effects. In supervised machine learning frameworks trained on simulated data, discrepancies betwee…
Hugging Face Daily Papers TIER_1 English(EN) · 2026-06-01 10:35

逼真的噪声合成可减少偏差并改善监督机器学习的组织微观结构估计

Diffusion MRI enables non-invasive probing of tissue microstructure, but accurate parameter estimation is challenged by noise-related effects. In supervised machine learning frameworks trained on simulated data, discrepancies between the noise characteristics of simulated and acq…