0.前提知识介绍
tagging images 应该是一种新的成像方式
t-MRI的介绍大家有兴趣 的可以自己看,不是我的相关研究方向我选择放弃
然后传统成像不能较好的反映心肌的运动 但是t-MRI 可以。其次就是这个东西还目前停留在科研阶段。
1.贡献与模型
1.通过 bi-directional generative diffeomorphic registration neural network 估计 t-MRI的运动场
2.通过上述结果估计拉格朗日运动场
但是实话实话 上面的东西我都不懂,下面这张图有利于理解
大概感觉相邻帧之间做运动场,然后与租出的对比做拉格朗日运动场
感觉比较有意思的无监督学习
文章的总体架构:
这是用来估计运动场的网络
这是用来 估计拉格朗日运动场
细节和公式真的不太会 暴风哭泣
2.结果
不用说做这方面的也不多,所以自己和自己比较
当然会说自己又快又好 (雾
3.总结
总而言之的话 感觉创新点在1. t-MRI 的运用应该是很新的东西 2.就是 拉格朗日运动场的结合,之前看过学长的运动场加上LSTM,就已经很复杂了。这些都是DNN提参数,然后双向的运动场之类的。这篇paper 复杂度++ 讲道理感觉数学好的能不能试试继续套娃 hhhh