优化模型架构及深度学习基础的SAR预测的泛化性（MRSaiFE）

预测超高场MRI中的SAR分布是防止因热点导致组织损伤的关键任务，尽管这具有挑战性。MRSaiFE深度学习框架基于解剖图像预测SAR，但由于训练过程中的数据泄漏，它并不保证模型的泛化能力。为了改善模型，我们扩展了UNet架构，在其编码器部分加入了残差和 inception 模块。此外，我们实施了定制的损失函数和评估指标，以提高预测性能。结果表明，该模型在未见过的身体模型上预测SAR时，SSIM=86%且MSE=0.14%.