研究人员开发了B-FIRE，一个利用扩散隐式神经表示来重建高度欠采样的磁共振成像数据的新框架。该方法旨在通过捕获瞬时解剖信息而不依赖运动分箱来提高动态容积MRI的运动分辨率。在肝脏MRI数据上的实验表明，与现有技术相比，B-FIRE在重建保真度和运动轨迹一致性方面具有优势。另外，另一研究小组提出了DMSM，一种用于加速MRI重建的双域自监督扩散模型，消除了对完全采样训练数据的需求。DMSM还提供不确定性估计，提供临床可解释的指导。 AI
影响 新的扩散模型技术可能实现更快、更准确的MRI扫描，提高诊断能力和患者舒适度。
排序理由 两篇研究论文介绍了使用扩散模型加速MRI重建的新颖方法。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
arXiv:2512.23726v2 Announce Type: replace-cross Abstract: The 3D fast silent multi-parametric mapping sequence with zero echo time (MuPa-ZTE) is a novel quantitative MRI (qMRI) acquisition that enables nearly silent scanning by using a 3D phyllotaxis sampling scheme. MuPa-ZTE imp…
arXiv:2601.06166v2 Announce Type: replace Abstract: Accelerated dynamic volumetric magnetic resonance imaging (4DMRI) is essential for applications relying on motion resolution. Existing 4DMRI produces acceptable artifacts of averaged breathing phases, which can blur and misrepre…
arXiv:2503.18836v2 Announce Type: replace-cross Abstract: Magnetic resonance imaging (MRI) is a vital diagnostic tool, but its inherently long acquisition times reduce clinical efficiency and patient comfort. Recent advancements in deep learning, particularly diffusion models, ha…