MRI Super-Resolution with Deep Learning: A Comprehensive Survey

Супер-разрешение МРТ с использованием глубокого обучения: всесторонний обзор Этот обзор предоставляет всестороннее описание методов супер-разрешения (СР) в магнитно-резонансной томографии (МРТ) с акцентом на методы глубокого обучения (ГО). МРТ высокого разрешения имеет решающее значение, но его получение сталкивается с ограничениями; СР предлагает вычислительное решение, генерируя изображения высокого разрешения из сканов с низким разрешением. В статье рассматриваются методы СР на основе ГО с точек зрения компьютерного зрения, вычислительной визуализации и физики МРТ. Она классифицирует эти методы, обсуждая теоретические основы, архитектурные решения и стратегии обучения. Также оцениваются эталонные наборы данных и показатели производительности. Кроме того, в обзоре освещаются проблемы, обсуждаются будущие направления и предоставляются ресурсы и инструменты с открытым доступом, связанные с СР МРТ. Это помогает продвигать технологию и улучшать диагностику. #МРТ #СуперРазрешение #ГлубокоеОбучение #МедицинскаяВизуализация #Обзор документ - https://arxiv.org/pdf/2511.16854v1 подписаться - https://t.me/arxivpaperu отправить донаты: USDT: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 BTC: bc1q8972egrt38f5ye5klv3yye0996k2jjsz2zthpr ETH: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 SOL: DXnz1nd6oVm7evDJk25Z2wFSstEH8mcA1dzWDCVjUj9e создано с помощью NotebookLM