Refining synthetic training data improves image quality transfer for ultra-low-field structural brain MRI
Résumé fourni par la source
Computer vision methods can be used for image quality transfer (IQT) to address the poor contrast, decreased resolution and increased noise observed in MR images acquired at ultra-low magnetic fields. Current methods have been shown to produce high-quality synthetic outputs for low-field (~0.5T) but not ultra-low-field (~0.05T) field images. Moreover, these methods do not adapt well to the presence of abnormal morphology (e.g. lesions). Here we introduce a new approach to ultra-low field IQT that improves on previous methods and is adaptive to the presence of synthetic lesions.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Refining synthetic training data improves image quality transfer for ultra-low-field structural brain MRI
- Date Crossref
- 14/08/2024
- Éditeur
- ISMRM
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.