Self-Supervised Adversarial Diffusion Model for Accelerated MRI Reconstruction (SSAD-MRI)
SSAD-MRI, a novel self-supervised deep learning model, accelerates MRI acquisition without compromising image quality by using an adversarial mapper and diffusion model, eliminating the need for fully sampled training datasets.
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.
© 2024 by Linnk AI