T1WRE3: NONAME
PulseAugur coverage of T1WRE3: NONAME — every cluster mentioning T1WRE3: NONAME across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
MRI表示法用于深度学习FCD分割的基准测试
研究人员对用于局灶性皮质发育不良（FCD）的深度学习分割的磁共振成像（MRI）表示法进行了基准测试。他们使用nnU-Net框架，在一个包含85名FCD患者和25名对照者的数据集上评估了八种输入配置。研究发现，FLAIR图像作为单一模态表现最佳，而结合比率衍生的表示法与T1w和FLAIR图像可以改善病灶描绘，其中四通道多模态配置达到了最高的Dice分数0.376。
-
新的扩散模型通过结构引导增强 MRI 扫描分辨率
研究人员开发了 MR-DiffuSR，这是一种新颖的 3D 潜在扩散模型，旨在提高 FLAIR MRI 扫描的分辨率。该框架利用来自 HR T1w 图像的跨模态结构引导，以防止在 FLAIR 扫描中出现解剖细节的幻觉。与现有的 CNN 和 2D 扩散方法相比，该模型在 ADNI-4 数据集上表现出卓越的性能，达到了高 PSNR 和 SSIM 分数。MR-DiffuSR 在下游白质高信号分割任务中也表现出卓越的鲁棒性，即使在显著的降采样…
-
Neuro-JEPA基础模型统一多模态脑部MRI数据
研究人员开发了Neuro-JEPA，一个新颖的基础模型，旨在从多模态脑部MRI扫描中学习统一的表征。该模型利用稀疏潜在预测目标和专家混合（Mixture-of-Experts）架构来处理T1w、T2w和FLAIR成像序列。Neuro-JEPA在超过150万份扫描数据上进行了预训练，在25项临床和研究任务上的表现优于现有神经影像基础模型和CNN基线模型，且更加一致。