跳到主要内容
检索

Jiyao Liu

2 篇关联报道

订阅更新
  1. arXiv

    BiasRecon 用不到 100 个可调参数在跨解剖、跨中心、跨模态 MRI 重建中取得最优 PSNR

    该工作提出 BiasRecon,一个基于“最小干预”原则的偏置校准自适应框架,通过交替优化频率引导的先验校准(在 U-Net 各跳跃连接层用可学习标量 α、β 调制低/高频分量,仅引入 2L 个参数)、基于分数的去噪以及用 Stein 无偏风险估计(SURE)自适应调节正则化参数 γ,在 FastMRI 膝(训练集,973 个体积)上训练后直接迁移到 FastMRI-Brain(跨解剖)、Stanford Knee(跨中心)和 CMRxRecon(组合偏移)三个开放世界测试集,在 8× 高斯一维欠采样下分别比 DDS 提升 +1.19 dB、+2.06 dB、+1.60 dB PSNR,并在 12 项采样/加速设置中 10 项最优。

  2. arXiv

    MedQ-Engine 用 10K 标注把 8B 医学图像质量评估模型提升到超过 GPT-4o 逾 13%,与人类专家差距缩至 4.34%

    该工作提出 MedQ-Engine 闭环数据引擎,通过“评估—探索—进化”三阶段迭代:在开发集上把模型失败案例聚类为失败原型,用原型视觉分量在约百万张、覆盖五种模态的医学图像池中检索候选样本,配合熵引导路由的渐进式人在回路标注与质量保障微调,仅用 10K 标注即让 8B 参数模型在医学图像质量评估上超过 GPT-4o 逾 13%、与人类专家差距缩小到 4.34%,样本效率比随机采样高 4 倍以上。

已读完全部报道