BriefGPT - AI 论文速递
·
超高场表示的转移用于低场磁共振成像引导的脑分割
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究提出了一种基于高场MRI和超高场MRI的PET合成方法，通过联合扩散注意力模型学习MRI和添加高斯噪声的PET的联合概率分布。实验证明该方法在高场MRI上优于CycleGAN方法，并尝试生成来自超高场MRI的PET图像，为超高场PET-MRI成像提供了可能。
🎯
关键要点
- 提出了一种基于高场MRI和超高场MRI的PET合成方法。
- 采用的模型为联合扩散注意力模型，学习MRI和添加高斯噪声的PET的联合概率分布。
- 实验证明该方法在高场MRI上优于CycleGAN方法。
- 该方法尝试生成来自超高场MRI的PET图像，为超高场PET-MRI成像提供了可能。
➡️
