U-Net Transformer用于磁共振弹性成像重建

International journal of computer assisted radiology and surgery · 2026-09-19 · 期刊论文

• 一句话结论：提出一种基于深度学习的磁共振弹性成像重建方法，旨在加速并稳定传统反演流程。
• 研究设计与做法：构建开源物理仿真框架，结合LiTS数据集的肝脏与肿瘤几何及临床刚度先验，生成大规模基准数据集。
• 主要结果：以U-Net Transformer提升重建精度，针对传统代数Helmholtz反演与有限元法计算成本高、噪声敏感的问题。
• 值得关注：摘要截断，模型性能指标、对比基线与泛化验证结果未呈现，临床适用性尚待评估。

🔗 打开原文

Zhong W, Urban MW, Meidani H.

本文摘自《每日前沿研究简报 · 2026-09-21》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。