logo móvil
Contáctanos

Análisis de Super-Resolución por RM a través de MRISR: Aprendizaje Profundo para Imágenes de Bajo Campo

Autores: Li, Yunhe; Yang, Mei; Bian, Tao; Wu, Haitao

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Análisis de Super-Resolución por RM a través de MRISR: Aprendizaje Profundo para Imágenes de Bajo Campo


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Mri
Superresolución
Análisis
Modelo
Redes adversariales
Alta resolución

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Este artículo presenta un nuevo modelo de análisis de superresolución de MRI, MRISR. A través de la utilización de redes generativas adversariales para la estimación de núcleos de degradación y la inyección de ruido, hemos construido un conjunto de datos integral de imágenes de MRI de alta y baja resolución emparejadas de alta calidad. El modelo MRISR integra sin problemas las tecnologías VMamba y Transformer, demostrando un rendimiento superior en varias métricas de evaluación de calidad de imagen sin referencia en comparación con metodologías existentes. Reconstruye eficazmente imágenes de MRI de alta resolución mientras preserva meticulosamente los intrincados detalles de textura, logrando una mejora cuádruple en la resolución. Este esfuerzo de investigación representa un avance significativo en el campo del análisis de superresolución de MRI, contribuyendo con una solución rentable para una tecnología de MRI rápida que tiene un inmenso potencial para su adopción generalizada en aplicaciones de diagnóstico clínico.

Otros recursos que podrían interesarte

Temas Virtualpro