Continuous emission ultrasound imaging (CEUI) is a new paradigm that overcomes limitations of traditional pulse-echo ultrasound by enabling ultrafast imaging and capturing rapid events through continuous insonification and a novel signal processing framework.
2段階の画像合成アプローチ(2Dスライスベースの合成と3Dリファインメント)を用いることで、従来の手法よりもアーティファクトの少ない、より高品質な脳MRI画像を合成できる。
REHRSeg 是一種新穎的 3D MRI 分割框架,它僅使用低解析度 (LR) 影像和標註進行訓練,即可實現高效能的高解析度 (HR) 分割,解決了傳統方法依賴資源密集型 HR 數據的局限性。
REHRSegは、高解像度(HR)の注釈付きデータを使用せずに学習できる、リソース効率の高い3D HRセグメンテーションフレームワークであり、自己教師あり超解像技術を活用してセグメンテーションモデルの性能を向上させる。
REHRSeg is a novel framework that achieves high-resolution 3D MRI segmentation using only low-resolution images and annotations by leveraging self-supervised super-resolution for pseudo supervision and knowledge distillation.
FlowMRI-Net is a novel deep learning framework that leverages physics-driven unrolled optimization and a complex-valued convolutional recurrent neural network to achieve fast and accurate reconstruction of undersampled 4D flow MRI data, demonstrating superior performance compared to existing compressed sensing and deep learning methods in both aortic and cerebrovascular applications.
本稿では、完全教師なしフレームワークを用いて、アンダーサンプリングされた測定値のみから動的MRIシーケンスを再構成する新しい手法を提案する。これは、真の生理学的動きを学習することができない、ゲートされた擬似グラウンドトゥルースデータに依存する教師あり手法の限界に対処するものである。
本稿では、MRI画像における多発性硬化症(MS)病変の自動セグメンテーションを目的とした、2024年ICPR競技会「MSLesSeg」の詳細な概要と結果分析を報告する。
This research introduces a novel method for continual whole-body organ segmentation in CT scans, leveraging a low-rank adapted Pyramid Vision Transformer (PVT) to incrementally learn new organs without forgetting previously acquired knowledge, while maintaining a low parameter increase rate.
本稿では、心臓MRIの右室基部におけるセグメンテーションの精度と再現性を向上させるため、時間的な非一貫性を利用した新しい深層学習手法を提案しています。