本文提出了一种基于深度学习的无监督动态磁共振成像（MRI）重建算法，利用低维流形和卷积神经网络，显著提高了动态MRI序列的重建质量和速度。该方法在心脏成像中表现优于现有技术，减少了对训练数据的需求，并实现了高准确度的心脏分割。

该论文介绍了Med-DDPM，一种基于扩散模型的3D医学图像合成方法，旨在解决数据稀缺和隐私问题。通过结合消除噪声的扩散模型和重建过程，提出了一种高效的无监督重建算法，显著提高了CT和MRI图像的质量和准确性，并增强了多模态MRI的合成能力，为临床诊断和治疗规划提供支持。