magnetic resonance imaging | BriefGPT

关键词magnetic resonance imaging

搜索结果 - 133

DiffCMR: 快速心脏 MRI 重建与扩散概率模型
本研究提出了一种基于条件去噪扩散概率模型的新型磁共振成像 (MRI) 图像去噪框架 DiffCMR，通过感知来自欠采样 MRI 图像切片的条件信号，并生成相应的全采样 MRI 图像切片。经过多轮合成策略的推断，验证了 DiffCMR 在 M
PDF7 months ago
全卷积切片至体积重建用于单片堆叠磁共振成像
磁共振成像中切片到体积重建是从被运动干扰的 2D 切片堆叠中计算重建未知 3D 磁共振体积，该论文提出了一种能够克服之前方法的缺点，在极端切片间运动的情况下产生最先进的重建，通过将 SVR 形式化为单堆叠运动估计任务，并训练一个完全卷积网络
PDF7 months ago
JSSL: MRI 重建的联合监督与自监督学习
该研究提出了一种名为 JSSL（联合监督和自监督学习）的深度学习方法，用于在目标数据集不完全采样的情况下，通过同时利用代理数据集和目标数据集，提高 MRI 重构的质量。实验证明，JSSL 方法相较于传统的自监督训练方法有了明显的改进，从而凸
PDF7 months ago
联合扩散：PET-MRI 协同重建的相互一致驱动扩散模型
该研究提出了一种新的 PET-MRI 联合重建模型，名为 MC-Diffusion，利用互补信息学习 PET 和 MRI 的联合概率分布，加速 MRI 并提高 PET 图像质量，实验证明 MC-Diffusion 在 ADNI 数据集上取得
PDF7 months ago
基于深度学习的脑肿瘤儿童放疗计划的 MRI 加速
通过使用数据重建，我们开发了一种基于深度学习的方法（DeepMRIRec），可从与 RT 特定接收线圈排列获取的欠采样数据进行 MRI 重建。通过在 73 名患有脑肿瘤 / 手术后区的儿童中使用环状线圈和后方线圈（12 个通道）获取的完全采
PDF7 months ago
数据异常检测增强的早期阿尔茨海默病预测去中心化专家系统的架构
这项研究介绍了一种颠覆性的分散式专家系统，巧妙地将区块链技术与人工智能相结合，实现对患者提交数据的强大异常检测，从而改进早期阿尔茨海默病的诊断精度。
PDF8 months ago
推进脑肿瘤检测：对 CNN、聚类和 SoftMax 分类在 MRI 图像分析中的深入研究
使用卷积神经网络和磁共振成像数据进行脑肿瘤的准确检测具有潜在对早期诊断和患者护理的影响。
PDF8 months ago
基于 MRI 的深度学习在阿尔茨海默病诊断中的应用
阿尔茨海默病（Alzheimer's disease）是一种最常见的神经系统痴呆症，通过磁共振成像技术结合深度学习算法可以早期诊断该病并确定病症特征，因此本研究分析了 2021 年至 2023 年之间基于磁共振成像的深度学习算法在 AD 诊
PDF8 months ago
在 MRI 图像中利用自定义迁移学习简化脑肿瘤分类
使用自定义的转移学习网络，我们提出了一种通过 MRI 图像对脑肿瘤进行有效分类的解决方案，采用了 VGG-19 架构与额外隐含层的轻量模型，以降低计算复杂性并提高分类准确性，最终得到了 96.42% 的分类准确率。
PDF9 months ago
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。
PDF9 months ago
JSMoCo：采用自校准基于评分的扩散模型实现并行 MRI 中的线圈敏感度和运动校正
本研究提出了一种称为 JSMoCo 的方法，能够从稀疏采样的 k 空间数据中准确估计运动参数和线圈敏感度图，有效缓解磁共振成像重建中的运动相关挑战。
PDF9 months ago
论 MRI 前列腺癌检测中错误传播的模块化系统评估实践再思考
磁共振成像在前列腺癌（PCa）检测中已成为关键组成部分，人工智能系统可以通过对临床显著（csPCa）和非临床显著（ncsPCa）的病变进行分割和分类来支持放射学评估。本研究通过比较两种具有异质性能的分割网络（s1 和 s2）对检测阶段的影响
PDF10 months ago
UniBrain：基于层次化知识增强预训练的通用脑部 MRI 诊断
磁共振成像（MRI）在大脑疾病诊断中起着至关重要的作用，本研究提出了一种分层知识增强的预训练框架 UniBrain，用于通用的脑 MRI 诊断，通过构建一种层次对齐机制，利用大规模数据集进行特征学习，取得了比所有最先进的诊断方法更好的性能且
PDF10 months ago
一种即插即用的合成数据深度学习用于磁共振图像重建的稀疏重构方法
该研究提出了一种深度插拔方法，用于未采样的磁共振成像重建，可以适应不同的采样设置，并能在不同的欠采样模式和采样率下提供良好且稳健的加速图像重建性能。
PDF10 months ago
MRI 并行重建的批量隐式神经表示
基于隐式神经表示的 MRI 重建方法通过引入嵌入尺度的编码器和多层感知机 (MLP) 实现了对完全采样的 MRI 图像进行任意尺度的重建，相比其他重建方法，在公开 MRI 数据集上表现出更好的性能。
PDF10 months ago
整合颅内测量的分层变压器网络用于全脑分割的增强
通过提升层次转换 UNesT 模型实现了对包含 133 个类别的整个大脑和总颅内容积 / 后颅洞容积的分割，同时解决了由于数据稀缺导致的数据可用性问题，展示了模型在总颅内容积 / 后颅洞容积估计方面的精确性以及 132 个大脑区域的性能。
PDF10 months ago
使用无监督图像注册神经网络生成左心耳位移的高分辨率三维图
提出了一个自动分割左心房的工具，通过磁共振成像技术可以精确地跟踪左心房的运动，提取位移场。
PDF10 months ago
IJCAI多对比度 MRI 超分辨率和重建的深度展开卷积字典模型
我们提出了一个基于多对比度卷积字典模型 (MC-CDic) 的方法，通过优化算法和数据保真项对多对比度磁共振图像进行建模，实现了对多对比度图像的共同特征和独特特征的明确建模。我们使用迭代优化算法将模型拟合，并将迭代步骤展开为一个深度 CDi
PDF10 months ago
跨临床站点改进多发性硬化症病变分割：一种具有抗噪训练的联邦学习方法
使用联邦学习框架中的标签修正策略，解决多发地点协作中数据隐私和标签噪声的问题，实现多发地点的合作，提高多发地点数据的可靠性，并在多发地点数据上进行广泛实验证明了方法的有效性和鲁棒性。
PDF10 months ago
DeepBet: T1 加权 MRI 的快速脑提取使用卷积神经网络
使用深度学习方法构建了一种名为 Deepbet 的快速、高精度的脑提取工具，其对磁共振成像数据进行了分割，并在交叉验证中表现出了新的最先进性能，Dice 分数中位数为 99.0%，优于现有的模型，而且相对于当前方法加速了约 10 倍。
PDFa year ago