跳到正文
arXiv · 机器人与计算机视觉· Kabir Hamzah Muhammad, Lorena Garcia-Foncillas Macias, Soumya Snigdha Kundu, Emily Guilhem, Jon Cleary, Amal Saleh Nour, Yodit Abraham Yaynishet, Chinasa Kalaiwo, Peter Chibuta, Ugumba Kwikima, Udunna Anazodo, Jonathan Shapey, Tom Vercauteren·· 2 天前AI 评分20

MS-HVED 实现临床脑 MRI 多栈灵活超分:尼日利亚队列专家评估优于基线

Flexible Multi-Stack Super-Resolution of Clinical Brain MRI Using Hetero-Orientation Variational Encoding: Expert Reader Evaluation in a Nigerian Cohort

AI 导读

MS-HVED 框架通过物理感知域随机化与高斯后验融合,在尼日利亚队列的盲审中于 210 对对比里以 187 次胜出监督基线。该模型在所有输入下整体质量评分达 5.93(基线 4.49),且即便缺少轴状或冠状面输入仍保持显著优势(p<.001)。代码已公开,研究涵盖计算机视觉与医学影像超分任务。

来源:arXiv · 机器人与计算机视觉 · arxiv.org