跳到正文
热点事件持续更新

Stefan Martin等发表MR弹性成像物理信息深度学习研究

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,Stefan Martin等在arXiv(cs.lg)上发表论文,提出一种物理信息深度学习框架,用于MR弹性成像中剪切波速度(SWS)的估计。该框架通过联合图像重建与MRE反演,支持从欠采样k空间数据直接计算SWS。方法在回顾性高度欠采样脑部MRE数据上进行验证,结果显示其NRMSE较TV最小化方法降低30%,且最高支持19倍加速因子。研究进一步表明该方法成功泛化至活体数据,具备实际临床应用潜力。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    面向 MR 弹性成像剪切波速度估计的物理信息深度学习

    该研究提出一种物理信息深度学习框架,通过联合图像重建与 MRE 反演,实现了从欠采样 k 空间数据直接估计剪切波速度(SWS)。 框架包含模型约束神经网络重建模块和相位梯度反演模块,端到端训练方式使 NRMSE 比 TV 最小化方法降低 30%,支持高达 19 倍加速因子,并成功泛化至活体数据。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。