Cas-DiffCom：婴儿纵向超分辨率 3D 医学图像补全的级联扩散模型
原文中文，约300字，阅读约需1分钟。发表于：。我们的研究提出了一种两阶段级联扩散模型 (Cas-DiffCom)，用于密集和纵向 3D 婴儿脑 MRI 图像补全和超分辨率。在 Baby Connectome Project (BCP) 数据集上的实验证实，Cas-DiffCom 可以在纵向婴儿脑图像补全中实现个体一致性和高保真性，并且在神经科学领域具有潜在的任务导向潜力。
通过BrainNetDiff方法结合多头变换器编码器从fMRI时间序列中提取特征，结合条件潜在扩散模型生成大脑网络，提高准确性和稳定性。验证了该框架在构建健康和神经学受损队列中的大脑网络方面的适用性，并在疾病分类任务中取得显著效果。突出了大脑网络研究的前景价值，为神经影像学分析和疾病诊断提供了有价值的参考。
