प्रेरणा: MRI स्कैन स्वाभाविक रूप से लंबे अधिग्रहण समय के साथ होते हैं, जिससे वे गति कलाकृतियों के प्रति संवेदनशील होते हैं जो AI प्रदर्शन को घटित कर सकते हैं और नैदानिक निदान की सटीकता को प्रभावित कर सकते हैं। लक्ष्य: हमारा लक्ष्य कलाकृति सुधार को अनुकूलित करने और अधिक सटीक, उच्च-गुणवत्ता वाले MRI चित्र प्राप्त करने के लिए तरंगीय रूपांतरणों और अनुकूली मल्टी-लॉस कार्यों को शामिल करना था। विधि: हमारी विधि एक सुधार U-Net आर्किटेक्चर के भीतर तरंगीय रूपांतरणों को एकीकृत करती है, जिसे अनुकूली मल्टी-लॉस नॉर्मलाइजेशन के साथ संयोजित किया गया है, ताकि वास्तविक गति पैटर्न का उपयोग करके कलाकृति सुधार को सही ढंग से संबोधित किया जा सके। परिणाम: हमारी विधि ने महत्वपूर्ण सुधार हासिल किए, SSIM को 76.85% से 92.92% और PSNR को 24.96 से 32.78 तक बढ़ा दिया, प्रभावी कलाकृति सुधार को दर्शाते हुए और अन्य पूर्ववर्ती विधियों को पार करते हुए। प्रभाव: MRI स्कैन में गति कलाकृतियों को सुधारने से छवि गुणवत्ता में सुधार होता है, जिससे इसका नैदानिक निदान के लिए अधिक विश्वसनीयता मिलती है। इसके अतिरिक्त, पंजीकरण और विभाजन जैसी कार्यों के लिए इस दृष्टिकोण का उपयोग करने से मॉडल की सटीकता बढ़ती है और बेहतर निदान परिणामों का समर्थन मिलता है।
हसन एट अल. (मंगलवार,) ने इस प्रश्न का अध्ययन किया।