arXiv:2505.21530eess.IVcs.AI2025-05被引 13
用视觉自回归框架提升功能超声成像的保真度。
High-Fidelity Functional Ultrasound Reconstruction via A Visual Auto-Regressive Framework
- 引入视觉自回归模型重建高保真功能超声图像。
- 在数据稀缺条件下仍能实现清晰的神经血管结构还原。
- 适合脑科学与医学影像领域研究人员使用。
功能超声（fUS）成像在神经血管映射中展现出卓越的时空分辨率，但其实际应用受到严重挑战。主要问题包括因伦理考量和颅骨信号衰减导致的数据稀缺，这些因素共同限制了数据集多样性，并损害下游机器学习模型的公平性。
原文摘要 · Abstract (English)
Functional ultrasound (fUS) imaging provides exceptional spatiotemporal resolution for neurovascular mapping, yet its practical application is significantly hampered by critical challenges. Foremost among these are data scarcity, arising from ethical considerations and signal degradation through the cranium, which collectively limit dataset diversity and compromise the fairness of downstream machine learning models.
功能超声图像重建自回归
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。