May, 2024

基于人工智能的传统核磁共振处理方法的拓展

PDF
TL;DR通过使用人工智能的智能信号处理方法，我们展示了人工智能在核磁共振应用中超越传统技术的新机遇。我们开发和训练了几个人工神经网络，应用在我们的新工具箱 MR-Ai 中，解决了三个 “不可能” 的问题：仅使用传统 Echo/Anti-Echo 方案中 Echo（或 Anti-Echo）调制进行象限检测；获取由任何给定方法处理的光谱中每个点信号强度的不确定性；以及定义一个无需参考的评分来定量评估核磁共振光谱质量。我们的发现突显了人工智能技术改变核磁共振处理和分析的潜力。
smart signal processingartificial intelligencenmr applicationsartificial neural networksmr-ai
发现论文，激发创造
  • 神经 MRI 采集的人工智能综述

    磁共振成像（MRI）与人工智能（AI）的复兴密切相关。通过利用 AI 在大规模优化和模式识别方面的能力，创新方法正在改变 MRI 采集流程，包括规划、序列设计和纠正采集伪影。这些新兴算法在增强采集步骤的效率和吞吐量方面展示了重要潜力。本综述讨论了神经 MRI 采集中几种重要的基于 AI 的方法，重点关注其技术进展、对临床实践的影响和潜在风险。

    Jun, 2024

  • 利用人工智能实现骨架 NMR 数据的自动分配

    本研究旨在设计一种算法，通过实施贪心和 A * 搜索等 AI 策略，自动化分析骨架蛋白 NMR 数据，以解决后基因组时代在了解新发现基因编码的许多未知蛋白质的结构和功能信息方面所面临的挑战。

    Jun, 2015

  • 增强图像：核磁共振中使用人工智能进行超分辨率

    本章提供了关于深度学习技术用于改善 MRI 空间分辨率的概述，包括卷积神经网络、生成对抗网络，以及更高级的模型，如 transformers、扩散模型和隐式神经表示。我们探索了超分辨图像对临床和神经科学评估的影响，并涵盖网络架构、图像评估指标、网络损失函数和训练数据细节等各种实际主题，包括模拟低分辨率图像的下采样方法和数据集选择。最后，我们讨论了深度学习 MRI 超分辨率的现有挑战和潜在未来发展方向，旨在促进其广泛应用于各种临床和神经科学应用。

    Jun, 2024

  • 利用循环神经网络的磁共振指纹技术

    本文提出使用循环神经网络进行磁共振指纹重建方法，比传统字典匹配法具有更高的可扩展性和更短的重建时间，能够同时测量多种组织属性的定量成像方法。

    Dec, 2018

  • ATOMMIC：一种提供医学图像一致性多任务工具箱，促进从获取到磁共振成像分析的人工智能应用

    AI 正在改变 MRI 的采集和处理过程，ATOMMIC 是一个开源工具箱，通过实现 DL 网络和多任务学习 (MTL) 来应用 AI 于加速 MRI 重建和分析，结合物理模型与分割网络可以提高 MRI 重建和图像分割的性能。

    Apr, 2024

  • 量化相位成像与人工智能：一篇综述

    本文回顾了 QPI 和机器学习之间的协同作用，着重介绍了深度学习的应用，并提出了未来发展的实用指南和观点。

    Jun, 2018

  • 射频互感神经网络硬件信号分类

    本文介绍了如何利用磁隧道结作为神经元和突触来处理多个模拟射频输入并执行突触操作，进而将射频信号分类，其精度与等效软件神经网络相同。这些结果是嵌入式射频人工智能的一个关键步骤。

    Nov, 2022

  • 云磁共振成像系统：在 6G 和人工智能时代的应用

    Cloud-MRI 系统整合了分布式云计算、6G 带宽、边缘计算、联邦学习和区块链技术，旨在解决 MRI 数据存储安全、传输速度、AI 算法维护、硬件升级和协同工作的问题，从而提高诊断准确性和工作效率。

    Oct, 2023

  • CloudBrain-NMR: 一智能云计算平台用于 NMR 光谱处理、重建和分析

    CloudBrain-NMR 是一个智能在线云计算平台，旨在为核磁共振数据的读取、处理、重建和定量分析提供便利，使用并行计算和深度学习算法，无需额外软件，大大缩短了计算时间，提供了完整的处理流程。

    Sep, 2023

  • 智能无线电信号处理研究

    近年来，随着大数据和计算技术的不断进步，人工智能已成为一种有用的工具，可以实现智能无线电信号处理，本文对智能无线电物理层中的调制分类、信号检测、波束成型和信道估计等方面进行了涵盖和总结，提出了 AI 技术的概述，概述了研究挑战和未来方向。

    Aug, 2020