PulseAugur
中
实时 16:51:26

新的AI方法增强了MRI重建和不确定性量化

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新研究论文提出了先进的磁共振成像（MRI）重建方法。第一篇论文介绍了一个利用稀疏性先验和马尔可夫链蒙特卡洛采样的贝叶斯框架，以改进图像重建和量化不确定性，其性能优于基于优化的方法和一些深度学习方法。第二篇论文提出了一种物理驱动的零样本自监督学习方法，该方法结合了物理一致性和非局部图像先验，以增强MRI重建，特别是在高加速因子下，并取得了最先进的结果。 AI

排序理由 两篇arXiv论文详细介绍了用于MRI重建的新颖研究方法。

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 →

新的AI方法增强了MRI重建和不确定性量化

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Ahmed Karam Eldaly, Matteo Figini, Daniel C. Alexander ·

    基于稀疏先验模型和马尔可夫链蒙特卡洛采样的贝叶斯磁共振联合图像重建与不确定性量化

    arXiv:2606.17343v1 Announce Type: new Abstract: We propose a novel framework for uncertainty quantification using compressed sensing magnetic resonance image reconstruction. The problem is formulated within a Bayesian framework as a linear inverse problem, with prior distribution…

  2. arXiv cs.CV TIER_1 English(EN) · Lingtong Zhang, Wenlei Li, Mu He, Li Xiao, Yang Ji ·

    基于物理驱动的零样本MRI重建与非局部图像先验

    arXiv:2606.15110v1 Announce Type: new Abstract: Zero-Shot Self-Supervised Learning (ZS-SSL) has emerged as a promising paradigm for accelerated Magnetic Resonance Imaging (MRI) reconstruction, eliminating the reliance on fully-sampled external datasets. However, learning solely f…

相关实体

相关话题