magnetic resonance imaging | BriefGPT

关键词magnetic resonance imaging

搜索结果 - 131

ALMA: 基于数学的一种方法，用于确定广义 LASSO 问题的调整参数，及其在 MRI 中的应用
通过 TV-regularized LASSO 方法和 ALMA 算法，本研究为 MRI 重建过程中选择合适的调优参数提供了一种数值求解约束优化问题的有效工具。
PDF5 days ago
MRI 扫描器作为一种诊断工具：无图像主动采样
通过基于机器学习的强化学习方法，在病人级别上学习一个主动采样策略，通过对被欠采样的 k 空间进行直接推断，本研究验证了在膝关节 MRI 数据中，可以获得与基于机器学习诊断使用全采样 k 空间数据相媲美的诊断性能，同时分析了任务特定的采样策略
PDF8 days ago
磁共振成像重建中无监督去噪扩散模型的不稳定性
通过研究发现，即使微小的最坏情况扰动由替代模型传递而来，去噪扩散模型仍然能够生成可能误导临床医生的假组织结构，这种扰动的可转移性表明由于磁共振系统的不完善或其他噪声源，图像重构的鲁棒性可能会受到损害。此外，在更大的扰动强度下，扩散模型会产生
PDF9 days ago
CT 到 MRI 转换的软遮罩曼巴扩散模型
本研究旨在使用潜在扩散模型（Latent Diffusion Model）对 CT 进行 MRI 转换，并将常用的 U-Net 或 Transformer 骨干换成一种名为 Mamba 的状态空间模型。实验证明 DiffMa 在医学图像生成
PDF10 days ago
基于纹理特征分析的 mpMRI 早期前列腺癌分类
磁共振成像（MRI）是诊断和分期前列腺癌的关键工具，但也产生了大量数据，必须由经过训练的专家评估，这是一项耗时且繁琐的任务。因此，已经开发了基于多种 MRI 模态（T2W、ADC 和高 b 值 DWI）的前列腺癌（PCa）风险分类自动化的机
PDF11 days ago
主动扩散下采样
在本文中，我们提出了一种名为 Active Diffusion Subsampling (ADS) 的方法，该方法使用引导扩散进行主动子采样，该模型通过选择具有最大期望熵的测量来逐步减小不确定性，并最终生成后验分布 p (x | y)。我们
PDF12 days ago
MAMA-MIA：一项大规模多中心乳腺癌 DCE-MRI 基准数据集及专家分割
为解决乳腺癌磁共振成像（MRI）中缺乏专家标注的挑战，本研究提出了 MAMA-MIA 数据集，包括 1506 个多中心动态增强 MRI 病例的专家标注的原发肿瘤和非团块性增强区域。研究使用深度学习模型自动进行分割，并由专家进行修正，最终得到
PDF13 days ago
INFusion: 基于扩散正则化的隐式神经表示用于二维和三维加速 MRI 重建
INFusion 是一种技术，通过使用预训练的扩散模型，为基于学习的隐式神经表示（INRs）的优化提供正则化，以改善图像重建。2D 实验证明了使用我们提出的扩散正则化改进了 INR 训练的效果，而 3D 实验则证明了在 256x256x80
PDF13 days ago
神经 - TransUNet：使用 Transformer 进行 MRI 中的中风病灶分割
通过将 U-Net 的空间特征提取与 SwinUNETR 的全局上下文处理能力相结合，再进一步采用先进的特征融合和分割合成技术，提出了 Neuro-TransUNet 框架。通过全面的数据预处理管道改进了这一框架的效率，包括重采样、偏差校正
PDF22 days ago
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
PDF22 days ago
ICML磁共振中的自适应 k 空间采样用于快速病理预测
MR 成像通过 Adaptive Sampling for MR 原理允许在只使用 8% 的 k 空间的情况下，优化目标疾病检测并达到仅差 2% 于完全采样分类器的性能，同时优于 EMRT、LOUPE 和 DPS 等以往 k 空间采样的最新
PDFa month ago
基于优化的深度学习 MRI 重建算法概述
该研究综述了针对磁共振成像重建的基于深度学习算法的最新优化模型，以促进 MRI 领域的进一步创新和应用。
PDFa month ago
基于运动信息的脑 MR 图像重建深度学习框架
本文提出一种新的方法，通过将动态模块集成到基于深度学习的 MRI 重建过程中，实现图像加速和运动校正的同时进行，实验结果表明，该方法在运动损坏的 MRI 数据集上优于传统图像重建方法。
PDFa month ago
PASTA: 具有扩散模型的病理感知 MRI 到 PET 的跨模态翻译
提出了一种基于条件扩散模型的新型病理感知图像转换框架 PASTA，通过高度互动的双臂架构和多模态条件集成，PASTA 在保留目标模态中的结构和病理细节方面优于现有方法，并采用循环交换一致性和体积生成策略提高了生成的高质量 3D PET 扫描
PDFa month ago
自回归图像扩散：生成图像序列及在 MRI 中的应用
非侵入性成像模式中，磁共振成像是一种广泛使用的成像方式，但其图像质量和成像速度之间存在平衡难题。本文介绍了一种基于自回归图像扩散（AID）模型的加速 MRI 重建方法，该算法结合了未采样的 k 空间和现有信息，评估了 fastMRI 数据集
PDFa month ago
联合边缘优化深度展开网络用于加速磁共振成像重建
通过建立联合边缘优化模型，结合 MRI 图像和边缘的特定正则化器以及协同正则化器，利用非边缘概率图引导图像重建，借助深度展开网络自动学习图像和边缘的先验信息，在多种采样因子的多线圈和单线圈 MRI 数据的数值实验中，表明所提出的方法优于其他
PDF2 months ago
MERIT: 可靠且可解释的肝纤维化分级的多视图证据学习
该研究提出了一种基于证据学习的多视角方法（MERIT），具备对预测结果不确定性的量化和可解释性，对于肝纤维化分期决策过程中每个视角的重要性提供了阐明。
PDF2 months ago
通过将 MRI 图像视为反转的 CT 扫描来改进跨模态分割
本研究展示了一种简单的图像反转技术，可显著改善计算机断层扫描（CT）分割模型在磁共振成像（MRI）数据上的分割质量，以 T1 加权 MRI 图像为例，通过使用 TotalSegmentator 模型。图像反转容易实现，不需要专用的图形处理单
PDF2 months ago
深度学习用于加速和鲁棒的 MRI 重建的综述
深度学习在磁共振成像重建中的应用及其对临床成像实践的潜力进行了全面综述，重点包括改善图像质量、加速扫描、处理数据相关挑战的深度学习方法和架构，以及优化采集协议、增强对分布变化的鲁棒性和克服潜在偏差等方面的讨论。
PDF2 months ago
BC-MRI-SEG：乳腺癌 MRI 肿瘤分割基准
基于公开可用的磁共振成像 (MRI) 数据集，提出了一个基准 (BC-MRI-SEG) 来进行二元乳腺癌肿瘤分割，其中包括四个数据集，其中两个用于监督式训练和评估，两个用于无样本评估，并在基准上比较了最先进的方法，并提供了可用的公共乳腺癌
PDF2 months ago