arXiv · cs.AI· Tianyi Ding, Yang Gao, Zhuang Xiong, Feng Liu, Martijn A. Cloos, Jin Jin, Hongfu Sun·· 6 小时前
DeepPV-MRF：从MR指纹时间序列直接估计组织部分容积分数
DeepPV-MRF: End-to-End Partial-Volume Fraction Estimation from MR Fingerprinting Time Series
arXiv:2610.19894v1阅读论文 PDF ↗
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：Tianyi Ding, Yang Gao, Zhuang Xiong, Feng Liu, Martijn A. Cloos, Jin Jin, Hongfu Sun
研究任务与主要进展
基于论文摘要，DeepPV-MRF利用深度学习直接从MR指纹（MRF）信号估计脑脊液、灰质和白质的体素级部分容积分数，不生成中间T1/T2图。该时空级联网络结合时间编码与空间U-Net细化，在模拟和体内数据上均优于PV-DM与PV-Pinv；单次模拟中CSF/WM/GM平均绝对误差分别为0.0418/0.0744/0.0757。摘要称其适用于有限shots场景，但临床部署前仍需进一步验证。
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