09:59
官方账号arXiv cs.LG@Dexuan Li, Yupeng Wu, Chenglong Wang, Hanlin Liu, Hui Zhen, Jianqi Li, Guang Yang
精选
推荐理由：这篇论文用物理约束的编码方法搞定了CEST MRI的稀疏重建，39个采样点就能达到57.58 dB的PSNR，比传统方法准得多，适合做医学影像重建的同学看看。
Lorentz Encoding
共 1 条相关 AI 资讯
7月8日
09:59
本文提出Lorentz Encoding（LE），一种物理信息驱动的自监督框架，用于从稀疏采样数据重建CEST MRI高分辨率Z谱。LE通过将坐标投影到由洛伦兹剖面和学习基函数组合的物理约束空间，降低噪声并保证与物理模型的一致性。在人体脑部数据39点采样策略下，LE达到PSNR 57.58 dB和SSIM 0.9994，显著优于现有方法。其学习到的编码在潜在空间中形成连续几何轨迹，确保APT、NOE、MT等代谢物定量映射的准确性。