Los puntos clave no están disponibles para este artículo en este momento.
El aprendizaje auto-supervisado sin disparos (ZS-SSL) recientemente introducido ha mostrado potencial en la RM acelerada en un escenario específico de escaneo, lo que permitió reconstrucciones de alta calidad sin acceso a un gran conjunto de datos de entrenamiento. ZS-SSL se ha combinado además con el modelo de subespacio para acelerar las adquisiciones de 2D T2-shuffling. En este trabajo, proponemos un marco de red paralela e introducimos un mecanismo de atención para mejorar el aprendizaje auto-supervisado sin disparos basado en subespacio y permitir factores de aceleración más altos. Llamamos a nuestro método SubZero y demostramos que puede lograr un mejor rendimiento en comparación con los métodos actuales en adquisiciones de mapeo T1 y T2.
Yu et al. (Wed,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: