כתבה
arXiv cs.LG ·
תיקון תצוגה גאומטרית של תמונות DWI באמצעות למידה עמוקה
Large-Scale Pretraining for Improving Deep Learning-Based Geometric Distortion Correction of Diffusion-Weighted Imaging
במחקר זה, נחקרה שיטת תיקון תצוגה גאומטרית של תמונות DWI באמצעות למידה עמוקה. התיקון נבחן בשיטות שונות, כולל שיטת תיקון עצמית ושיטת תיקון גנרטיבית. התיקון הטוב ביותר היה זה של שיטת cWDM, שהציגה תוצאות חזקות בשני הבדיקות הקוואנטיטיביות והקואליטיביות.
תקציר מקורי באנגליתarXiv:2609.06437v1 Announce Type: cross Abstract: Diffusion-weighted imaging (DWI) is widely used in clinical settings but remains vulnerable to geometric distortion. Conventional correction methods often require additional acquisitions or vendor-specific solutions, limiting their feasibility in high-throughput, resource-constrained settings. This study investigates whether large-scale pretraining strategies can improve deep learning-based distortion correction for single-phase-encoding DWI. We formulate the task as image reconstruction, and compare a non-pretrained baseline against a self-supervised and a generative pretrained model, evaluated using both quantitative image-similarity metrics and qualitative expert assessment. The best-performing model was further tested for transferabilit
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית