BriefGPT - AI 论文速递
·
Subspace Implicit Neural Representations for Real-Time Cardiac Cine MRI
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文提出了一种基于子空间隐式神经表示的心脏运动磁共振成像重建框架，克服了传统方法在时间分辨率和动态捕捉方面的局限。该方法利用多层感知机学习空间和时间子空间基，显著提高了图像质量，能够在加速率为10和20时优化动态心脏事件的高分辨率成像，增强了诊断能力。
🎯
关键要点
-
传统心脏运动磁共振成像方法依赖于回顾性门控，限制了时间分辨率和捕捉连续心脏动态的能力。
-
提出了一种基于子空间隐式神经表示的重建框架，能够处理连续采样的径向数据。
-
该方法采用多层感知机学习空间和时间子空间基，显著提高了图像的空间和时间质量。
-
在加速率为10和20时，该方法能够优化动态心脏事件的高分辨率成像，提升诊断能力。
➡️
