Nov, 2020

Patch2Self: 自监督学习去噪扩散 MRI

HTML
PDF
TL;DR本文介绍了一种自主学习方法Patch2Self，用于去噪扫描数据，并展示了它在研究微结构建模，纤维束连贯性跟踪和模型估计方面的有效性。
发现论文，激发创造
  • 使用正则化逆扩散进行MR图像降噪和超分辨率

    该论文提出了一种新的去噪方法基于得分的反向扩散采样，通过该方法，我们的网络在仅训练冠状膝关节扫描的情况下，在复杂的混合噪声污染的体内肝脏MRI数据中表现卓越，并提出了一种用同一网络提高去噪图像分辨率的方法，通过大量实验表明，我们的方法在具有先进性能的同时具有优良的特性，这些先前的MMSE去噪器没有的：自由选择去噪程度和量化不确定性。

    Mar, 2022

  • DDM$^2$: 用生成性扩散模型进行自监督扩散 MRI 去噪

    该论文提出了一种自监督的去噪磁共振成像方法，称为DDM^2，通过将统计基础的去噪理论整合到扩散模型中，采用条件生成实现去噪。在实验中，该方法在4个真实的体内扩散MRI数据集上展现了卓越的去噪性能，用临床相关的定量和定性指标进行评估。

    Feb, 2023

  • 利用机器学习的扩散磁共振成像

    扩散加权磁共振成像（dMRI）提供了非侵入性评估大脑微结构和结构连接的独特能力。然而，分析dMRI数据以提取临床和科学目的的有用信息具有挑战性，而机器学习方法在解决dMRI分析中的困难任务方面可能具有潜力。然而，为了实现这一点，需要解决现有方法的缺陷和重要未解决问题，包括评估实践不足、缺乏丰富的训练数据集和验证基准以及模型的普适性、可靠性和解释性方面的问题。

    Jan, 2024

  • 三维健康脑组织修复的去噪扩散模型

    通过探索和扩展去噪扩散模型，本研究实现了对健康三维脑组织的一致修复，评估了其在磁共振影像中的回填效果，并在脑组织分割任务中优于现有的病变填充方法。

    Mar, 2024

  • 医学图像翻译的自一致递归扩散桥

    医学图像翻译中，自洽递归扩散桥(SelfRDB)通过使用以目标图像为基础、源图像为参照的前向过程，以及噪声调度和采样过程等创新方法，提供了优越的性能。

    May, 2024

  • Phy-Diff: 物理导向的沙漏扩散模型用于扩散MRI合成

    本研究提出了一种基于物理原理的扩散模型来生成高质量的扩散磁共振成像，引入了扩散过程中的噪声演化物理原理和基于查询的条件映射，并通过采用适配器技术引入XTRACT图谱作为白质束的先验知识，实验结果表明我们的方法优于其他最先进的方法，并具有推进扩散磁共振成像增强的潜力。

    Jun, 2024

  • 通过方向编码和几何约束提高脑扩散张量成像的角分辨率

    本研究解决了脑扩散张量成像（DTI）依赖于高梯度方向的可靠性问题，提出了一种名为DirGeo-DTI的深度学习方法，仅使用最小的梯度方向数（6个）即可有效估计DTI指标。该方法通过方向编码和几何约束提升了训练效果，实验结果显示其性能优于现有的DTI增强方法，具有通过常规临床DWI扫描揭示更多临床见解的潜力。

    Sep, 2024

  • 通过方向编码和几何约束增强大脑扩散张量成像的角分辨率

    本研究解决了临床扩散加权成像（DWI）中扩散张量成像（DTI）指标可靠性的问题，提出了一种名为DirGeo-DTI的深度学习方法，通过方向编码和几何约束，实现了在最小理论梯度方向（6个）的情况下估计可靠的DTI指标。实验结果表明，该方法相比现有技术表现优异，具有在常规临床DWI扫描中揭示更深入临床见解的潜力。

    Sep, 2024

  • 多b值扩散磁共振图像去噪

    本研究解决了扩散磁共振图像（dMRI）去噪中存在的高噪声方差问题，提出了一种基于卷积神经网络的多b值去噪新方法。该方法利用不同b值下相同扩散编码方向的图像相似性，能够在仅使用少量输入图像的情况下实现高质量去噪，显著提升了图像定量分析的准确性。

    Oct, 2024

  • 改进的图像去噪扩散概率模型用于磁共振指纹识别

    本研究针对磁共振指纹识别（MRF）在高加速和欠采样情况下的精确重建难题，提出了一种新的条件扩散概率模型。这一模型不仅在定性和定量上优于现有的深度学习和压缩感知算法，而且通过大量消融研究探讨了提高计算效率的策略，具有重要的潜在影响。

    Oct, 2024