magnetic resonance imaging
PulseAugur coverage of magnetic resonance imaging — every cluster mentioning magnetic resonance imaging across labs, papers, and developer communities, ranked by signal.
- used by Tau PET Imaging in the NACC Study Cohort 90%
- used by Radiotherapy 80%
- used by Structural Similarity Index Measure 70%
- used by Diffusion Models 70%
- used by Flair 70%
- used by Brain Tumor Segmentation Using Convolutional Neural Networks in MRI Images 70%
- used by peak signal-to-noise ratio 70%
- used by 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation 70%
- used by Dice Score 70%
- used by Fastmri 70%
- used by 3DINO 70%
- developed Tau PET Imaging in the NACC Study Cohort 70%
- 2026-05-19 research_milestone Publication of a research paper detailing a new browser-native GPU architecture for MRI digital twins. 来源
20 天有情绪数据
Emerging trend: State-space models and self-supervised learning gaining traction in MRI image processing
Recent evidence highlights the successful application of both state-space models (SO-Mamba) for reconstruction and self-supervised learning (SMIT) for segmentation in MRI. This suggests a broader shift towards more advanced AI architectures beyond traditional CNNs and Transformers for improving MRI data quality and analysis.
SO-Mamba to be integrated into commercial MRI reconstruction software within 18 months
The SO-Mamba model shows significant performance improvements over existing CNN, Transformer, and Mamba approaches for MRI reconstruction. Given its demonstrated superiority on public benchmarks and efficient computation, it is likely to be adopted by commercial MRI vendors for integration into their reconstruction software to enhance scan speed and image quality.
AI-driven real-time MRI of speech production to enable new diagnostic tools for speech disorders
The integration of acoustic data with visual MRI for real-time speech production analysis represents a significant leap in understanding vocal tract dynamics. This advancement could lead to the development of novel diagnostic tools for various speech and swallowing disorders, allowing for more precise assessment and personalized treatment plans.
-
新型一致性模型加速 MRI 重建
研究人员开发了 CM-RED，一种使用一致性模型加速磁共振成像 (MRI) 重建的新方法。该方法将预训练的一致性模型集成到基于去噪的正则化方案中，并在此基础上构建了加速近端梯度 RED。通过引入受控噪声注入，CM-RED 增强了生成多样性并加快了收敛速度，仅需 4 次网络函数评估即可实现高质量重建。在 fastMRI 膝盖和大脑数据集上的实验表明，CM-RED 在定量指标和视觉保真度方面均优于现有的基于扩散和一致性模型的方法。
-
AI框架改进了子宫内膜异位症的跨模态卵巢分割
研究人员开发了一种新颖的双分支框架，用于分割医学图像中的卵巢，特别是利用经阴道超声（TVUS）和磁共振成像（MRI）来解决子宫内膜异位症分析的挑战。该方法通过整合源自TVUS数据的原型库来适应MedSAM3模型，从而在两种模态之间创建解剖学上一致的特征表示。在子宫内膜异位症数据集上的实验表明，在定量和定性方面都有所改进，所提出的方法在性能上超越了最先进的技术超过5个百分点。消融研究进一步突显了原型库的有效性以及在源TVUS域中进行预热…
-
LoRA微调MedSAM3仅需少量标注即可实现医学图像分割
一项新研究探讨了使用MedSAM3基础模型进行LoRA微调以实现医学图像分割的有效性。研究人员发现，仅需10个标注病例，经过LoRA适配的模型就能在性能上媲美在更多数据上训练的专业系统。该方法对于现有工具范围之外的心脏分割任务也同样有效，并显著缩短了训练时间。
-
综述发现无监督生成模型在神经影像异常检测方面显示出潜力
一篇发表在arXiv上的系统性范围审查文章，探讨了无监督深度生成模型在神经影像异常检测中的应用。该审查分析了2018年1月至2025年12月期间的33项研究，发现包括自编码器、VAE、GAN和扩散模型在内的模型，在无需详细标注的情况下，在识别大脑异常方面显示出潜力。然而，方法学异质性和有限的外部验证等挑战依然存在，尽管新兴技术旨在提高鲁棒性和临床相关性。
-
新的 GSToken 方法将空间几何编码到医学图像令牌中
研究人员推出了一种新颖的 3D 医学图像表示方法 GSToken，特别适用于脑肿瘤识别的多模态 MRI 扫描。与现有方法压缩图像为令牌序列但丢弃空间信息不同，GSToken 在每个令牌中嵌入了显式的几何属性，如 3D 中心、尺度和方向。这种几何编码显著提高了体积表示的信息密度。GSToken 的有效性通过冻结令牌效用评估协议得到证明，在该协议中，它在各种肿瘤子区域和指标上始终优于容量匹配的基线。
-
新的深度学习方法增强了动态MRI重建
两篇新研究论文提出了用于改进动态MRI重建的先进深度学习技术。第一篇论文《利用仅幅度与复数测量通过学习先验改进动态MRI重建》介绍了一种名为“C+Mag”的方法，该方法将仅幅度测量与复数值数据结合起来，以增强伪影抑制和解剖结构恢复。第二篇论文《用于无监督动态对比增强MRI重建的原始表示学习》提出了一个框架，该框架将解剖结构、对比度增强和运动解耦为单独的时间基函数，从而能够对动态对比增强MRI进行更可靠的定量分析。
-
迁移学习和人工智能在阿尔茨海默病诊断方面展现出潜力
一篇新的综述文章探讨了迁移学习（TL）技术在利用神经影像数据诊断阿尔茨海默病（AD）中的应用。文章强调了TL如何通过利用预训练模型来提高诊断准确性，尤其是在处理有限数据集时。文章还讨论了将可解释人工智能（explainable AI）整合到基于TL的AD诊断系统中，以增强理解并指导神经退行性疾病检测的未来研究。
-
量子核学习通过核磁共振扩展到量子数据
研究人员已通过核磁共振（NMR）技术，将量子核学习（QKL）实验性地扩展到处理量子数据。这一进展允许通过数值计算核函数并在一组3量子比特的NMR寄存器上进行验证，从而对包括纠缠和非纠缠类型在内的算子进行分类。该研究表明，QKL提供了一种在无需广泛层析成像的情况下，在硬件上分析量子数据的实用方法，其在捕捉量子空间结构方面优于经典方法。
-
AI系统增强乳腺MRI数据集的质量保证
研究人员开发了一个无监督异常检测系统，以确保用于医疗AI的多中心乳腺MRI数据集的质量。该系统解决了高风险医疗AI应用中对鲁棒数据集质量保证的关键需求。所提出的方法在17种异常类型的基准上进行了评估，在检测不同类型的数据损坏和分布外样本方面表现出不同程度的成功。
-
AI框架可根据超声数据预测胎儿大脑MRI数据
研究人员开发了VIFBA，一个新颖的框架，它使用超声视频来预测胎儿大脑MRI衍生的侧脑室容积并对脑室扩大程度进行分类。该方法旨在通过利用超声数据中的时空一致性，提供更易于获得且价格更低的产前大脑筛查。VIFBA还包含一个视觉语言模型，用于识别非脑室扩大引起的胎儿大脑异常，在回归、分类和异常检测任务中表现强劲。
-
3D生成式AI为烟雾病患者合成关键血流图
研究人员开发了CAE3D，一种新颖的3D生成式AI模型，能够从烟雾病患者的基线磁共振成像（MRI）合成乙酰唑胺后脑血流（CBF）图。当无法进行乙酰唑胺给药时，这一进展对于评估脑血管储备（CVR）至关重要。CAE3D在性能上优于其他十种方法，实现了最低的平均绝对误差（MAE），并在结构相似性指数测量（SSIM）和峰值信噪比（PSNR）方面具有显著优势。虽然对接受标准双扫描方案的患者有效，但其在乙酰唑胺禁忌症患者中的应用仍需进一步验证。
-
新的UMPIRE-Net方法通过分离幅度和相位来增强MRI重建
研究人员开发了UMPIRE-Net，一种用于加速磁共振成像（MRI）重建的新型物理驱动深度学习方法。与先前将它们耦合的方法不同，这种新方法将幅度和相位分量的学习分开。UMPIRE-Net旨在提高重建质量，特别是在像部分傅里叶（PF）成像这样需要精确相位建模的场景中。实验表明，与现有的复值深度学习基线相比，UMPIRE-Net能够生成更清晰、伪影更少的图像。
-
新的 MRI 基准测试基础模型在疾病进展方面的能力
研究人员推出了时间感知多视图 MRI 基准（Time-Aware Multi-View MRI Benchmark），这是一个新的评估框架，旨在评估基础模型从纵向 MRI 扫描中推理疾病进展的能力。该基准包含来自 890 名患者的 3,900 多个专家验证的问答对，涵盖七个临床队列，重点关注胶质母细胞瘤和神经退行性疾病等病症。对 16 个视觉语言模型的初步实验表明，虽然一些模型显示出适度的时序一致性，但它们在识别变化方向和体积量化方面…
-
3D Medical Imaging Segmentation Boosted by Orthogonal Seeding Technique
研究人员开发了一种新的医学影像3D器官分割方法，该方法通过在推理时使用正交种子来提高准确性。该技术应用于Sli2Vol等切片传播模型，同时利用轴状、冠状和矢状平面的信息，而不是仅依赖于单一轴状种子。研究发现，推理时的种子几何形状，特别是其正交性，比训练范式或标注切片数量更关键。与传统的单轴方法相比，该方法在Dice、Normalized Surface Dice和Average Hausdorff Distance等指标上显著提高。
-
新的 40 亿参数视觉语言模型面向 3D MRI 分析
研究人员开发了 Mr3D-VL，这是一种新的 40 亿参数视觉语言基础模型，专门用于多参数 3D 磁共振成像 (mpMRI)。该模型通过实现对复杂 3D 空间数据的自然语言交互和可解释性，解决了当前 AI 的局限性，这对于脑肿瘤诊断至关重要。Mr3D-VL 通过共享的 3D 编码器和跨模态投影层整合了多种成像模态和特征，在文本生成任务中表现优于现有模型，BERTScore 达到 0.856。
-
新的MRI超分辨率框架无需高分辨率训练数据即可实现高分辨率扫描
研究人员开发了一个名为自监督加权图像引导定量MRI超分辨率（SWIG qMRI SR）的新框架。这种基于物理的方法能够从快速、低分辨率的采集数据中恢复高分辨率定量MRI数据，并由标准的加权MRI图像引导。该方法不需要高分辨率训练目标，展示了其在更高效和集成化的临床MRI工作流程中的潜力。
-
新的扩散桥模型在十个步骤中增强 MRI 分辨率
研究人员开发了一种新颖的扩散桥模型 SR-DBM，旨在增强 MRI 扫描的分辨率。该模型通过将超分辨率视为图像分布之间的随机传输问题，从低分辨率输入重建高分辨率图像。与通常需要大量采样步骤并从通用高斯先验开始的先前方法不同，SR-DBM 从测量到的解剖结构初始化重建，并在仅十个采样步骤中实现高分辨率结果。在脑部和前列腺 MRI 数据集上的评估表明，SR-DBM 在峰值信噪比和结构相似性方面显著优于九种比较方法，同时还能更有效地保留精细结构。
-
新框架利用纵向MRI扫描增强阿尔茨海默病诊断
研究人员开发了Parcel2Progression (P2P)，一个新颖的纵向框架，旨在利用结构MRI扫描改进阿尔茨海默病诊断。P2P通过采用一个引导图谱的区域编码器来表示3D扫描，以及一个整合不规则、长期患者数据的纵向Transformer来解决计算限制。该方法提供区域特定的可解释性，并能有效地随着扫描数量进行扩展，在预测轻度认知障碍向阿尔茨海默病转化以及区分阿尔茨海默病与认知正常个体方面优于现有方法。该框架还展示了在异常检测和泛化…
-
新的 MRI 定图技术利用扩散模型和不确定性传播 · 跟踪 2 个来源
arXiv 上的两篇新研究论文探讨了用于定量 MRI 定图的先进方法，重点关注不确定性量化和校准。第一篇论文介绍了一个用于定量 MRI 的扩散模型衍生的不确定性框架，展示了其在错误意识和选择性预测方面的潜力，尽管它需要校准才能精确解释区间。第二篇论文提出了 CUPA-T2*，一个将不确定性从加速 MRI 重建传播到 T2* 拟合的框架，实现了不确定性感知的分析，并提供了体素级不确定性图以获得更好的解释，特别是在更高加速率下的白质。
-
XClipGS 方法通过精确裁剪增强医疗体积渲染
研究人员开发了 XClipGS，一种用于医疗体积高斯泼溅的精确半空间裁剪的新颖方法。该技术通过精确裁剪解剖结构，实现了体积医学扫描的交互式渲染，而传统泼溅方法在这方面存在困难。与现有方法相比，XClipGS 实现了卓越的图像质量和显著更快的渲染速度，同时在各种医学成像数据集上还表现出更少的泄漏和更高的保真度。