实体
BRAIN AGE PREDICTION BASED ON RESTING-STATE FUNCTIONAL CONNECTIVITY PATTERNS USING CONVOLUTIONAL NEURAL NETWORKS
BRAIN AGE PREDICTION BASED ON RESTING-STATE FUNCTIONAL CONNECTIVITY PATTERNS USING CONVOLUTIONAL NEURAL NETWORKS
PulseAugur coverage of BRAIN AGE PREDICTION BASED ON RESTING-STATE FUNCTIONAL CONNECTIVITY PATTERNS USING CONVOLUTIONAL NEURAL NETWORKS — every cluster mentioning BRAIN AGE PREDICTION BASED ON RESTING-STATE FUNCTIONAL CONNECTIVITY PATTERNS USING CONVOLUTIONAL NEURAL NETWORKS across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的多任务预训练框架增强了脑部MR图像分割
研究人员开发了一种用于脑部MR图像分割的多任务自监督预训练框架，结合了通用的图像修复任务和特定领域的脑龄预测（体素级别）任务。该方法旨在从无标签的神经影像数据中学习可迁移的特征表示，解决了医学分析中带标注数据集稀缺的问题。与单任务预训练模型和从头开始训练的模型相比，预训练模型在多发性硬化症病变、缺血性中风病变和皮层脑结构分割等下游任务上表现出更优越的性能。
-
新的AI方法可高效生成3D脑部MRI数据
研究人员开发了两种新的合成3D脑部MRI数据的方法：WaveDiT和FlowLet。这些技术利用小波变换和流匹配来高效生成高保真图像，即使在单GPU上也能实现。生成的数据可以提高下游任务（如脑龄预测）的性能，特别是对于代表性不足的年龄组，同时保留解剖细节。