基於幅度圖像並利用相位增強技術訓練生成式先驗模型以重建 MRI 圖像
使用從幅度圖像中訓練的生成式先驗模型，並結合相位增強技術，可以顯著提高 MRI 圖像的重建質量，尤其是在高度欠採樣的情況下。
マグニチュード画像のみから学習したMRI再構成のための生成的な事前分布：位相拡張を用いたアプローチ
本稿では、位相情報を含まないマグニチュード画像のみを用いて、高精度かつロバストなMRI画像再構成を実現する生成的な事前分布の構築手法を提案する。
鄰近切片 Noise2Noise：利用單一含噪醫學影像體積進行自我監督式醫學影像去噪
本研究提出了一種名為「鄰近切片 Noise2Noise」（NS-N2N）的自我監督式醫學影像去噪方法，僅需使用單一含噪影像體積即可進行訓練，並有效去除醫學影像中的噪聲。
단일 노이즈 의료 영상 볼륨에서 자기 지도 학습 기반 노이즈 제거: NS-N2N (Neighboring Slice Noise2Noise)
NS-N2N은 단일 노이즈 의료 영상 볼륨에서 인접 슬라이스 간의 유사성을 활용하여 자기 지도 학습을 통해 고품질의 노이즈 제거를 달성하는 새로운 방법이다.
単一ノイズ画像ボリュームからの自己教師あり医療画像ノイズ除去：隣接スライスNoise2Noise
本稿では、単一のノイズを含む医療画像ボリュームのみを用いて、高品質なノイズ除去を実現する新しい自己教師あり学習手法「Neighboring Slice Noise2Noise (NS-N2N)」を提案する。
Neighboring Slice Noise2Noise (NS-N2N): A Self-Supervised Denoising Method for Medical Images Using a Single Noisy Volume
NS-N2N is a novel self-supervised method that effectively denoises medical images using only a single noisy image volume by leveraging the inherent spatial continuity between neighboring slices to overcome limitations of previous methods reliant on pixel-wise noise independence.
2단계 등록 방법으로 향상된 종단 Fixel 기반 분석의 민감도
알츠하이머병 환자의 백질 변화 연구에서 2단계 등록 방법을 사용하면 종단 Fixel 기반 분석의 변동성을 줄여 통계적 검정력을 높일 수 있다.
2段階レジストレーション法を用いた、経時的フィクセルベース解析における感度向上
2段階レジストレーション法を用いることで、経時的フィクセルベース解析における測定のばらつきを低減し、統計的検出力を向上させることができる。
Two-Step Diffusion MRI Registration Method Improves Sensitivity in Longitudinal Fixel-Based Analysis of Alzheimer's Disease
A two-step registration method in longitudinal fixel-based analysis (FBA) of diffusion MRI data reduces variability and enhances statistical power for detecting white matter changes in Alzheimer's disease, outperforming the conventional direct registration method.
MRSegmentator: A Deep Learning Model for Multi-Organ Segmentation in MRI and CT Images
MRSegmentator is a novel deep learning model that accurately and robustly segments 40 anatomical structures in both MRI and CT images, addressing the limitations of existing organ-specific approaches and offering a valuable tool for automated multi-organ segmentation in medical imaging research.
© 2024 by Linnk AI