arXiv · cs.AI· Alex Finkelstein, Ron Moneta, Or Zohar, Michal Rivlin, Moritz Zaiss, Dinora Friedmann Morvinski, Or Perlman·· 1 天前
基于物理结构变分自编码器的定量分子MRI多参数不确定性映射
Multiparameter Uncertainty Mapping in Quantitative Molecular MRI using a Physics-Structured Variational Autoencoder (PS-VAE)
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Alex Finkelstein, Ron Moneta, Or Zohar, Michal Rivlin, Moritz Zaiss, Dinora Friedmann Morvinski, Or Perlman
期刊信息（来源提供）：A. Finkelstein et al., "Multiparameter Uncertainty Mapping in Quantitative Molecular MRI using a Physics-Structured Variational Autoencoder (PS-VAE)", IEEE Transactions on Medical Imaging, 2026
研究任务与主要进展
作者提出物理结构变分自编码器PS-VAE，通过可微分自旋物理模拟器和自监督学习，快速提取分子MRI体素级多参数后验分布及参数间协方差。基于论文摘要，该方法在CEST和半固体磁化转移分子MRF研究中覆盖体外phantom、肿瘤小鼠、健康志愿者及一名胶质母细胞瘤受试者，后验结果与穷举贝叶斯分析一致，并实现全脑定量数量级的加速；材料未说明完整实验细节和基准条件。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org