实体
SA-INR
SA-INR
PulseAugur coverage of SA-INR — every cluster mentioning SA-INR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的CRIS框架恢复医学影像中的各向同性分辨率
研究人员推出CRIS，一个新颖的自监督框架，旨在恢复各向异性体积医学影像中的各向同性分辨率。该方法将3D恢复视为2D条带补全任务，在合成降级的平面内切片上进行训练。CRIS在各种MRI和电子显微镜数据集上均表现出卓越的性能，在PSNR、SSIM和分割一致性等指标上优于现有的插值和恢复技术。该框架具有模态灵活性，且无需配对的各向同性目标，使其成为改进体积成像下游分析的多功能工具。
-
新AI从单视图重建高分辨率dMRI
研究人员开发了一种自监督空间-角度隐式神经表示（SA-INR）来加速扩散MRI（dMRI）扫描。这种新方法可以从每个扩散方向的单个视图重建高分辨率dMRI，显著缩短扫描时间。SA-INR框架不仅实现了精确的空间超分辨率，还能够零样本合成未见的b方向，提高了下游建模的定量准确性。
-
人工智能从单视图重建高分辨率扩散MRI，加速扫描
研究人员开发了一种自监督空间-角度隐式神经表示（SA-INR），用于从更少的旋转视图中重建高分辨率扩散MRI（dMRI）。该方法是一种以结构先验和扩散方向为条件的MLP，通过从每个扩散方向的单视图重建dMRI，实现了显著的加速。该框架不仅实现了空间超分辨率，还通过学习连续的q空间表示实现了零样本角度超分辨率。这种方法提高了下游DTI模型拟合的定量准确性，并绕过了传统采样限制，实现了更快的高分辨率dMRI。