A Dual-Stream Regulated Reconstruction and Segmentation Network with Hierarchical Artifact-Prior Modeling for Ultra-Low-Field Pediatric Neuroimaging
该研究提出一种双流网络，结合3D U-Net重建和分割超低场儿科MRI图像，通过层级伪影先验建模提高图像质量和结构分割精度。
0 citationsRead paper
Selected work
Representative Papers
Mammography Foundation Models for Opportunistic Prediction of Major Adverse Cardiovascular Events
研究通过使用乳腺X线摄影基础模型预测心血管疾病风险，无需特定心血管监督或标注，仅基于影像信息即显著优于仅用年龄的模型。
0 citationsRead paper
Seeing Abnormal from Normal: Glomerular Abnormality in Representations of Normal Renal Morphology
本文提出NoRDeC框架，通过一类别异常检测方法来识别肾小球病理异常，无需使用异常样本训练模型。
0 citationsRead paper
Large-Scale Pretraining for Improving Deep Learning-Based Geometric Distortion Correction of Diffusion-Weighted Imaging
研究利用大规模预训练策略改进基于深度学习的扩散加权成像几何失真校正，通过自监督和生成式预训练模型提升校正效果。
0 citationsRead paper
FoldKit: A Python library for efficient storage and retrieval of co-folding predictions
为解决AlphaFold 3共折叠实验产生的大量数据存储问题，开发了Python库FoldKit，通过高效压缩和结构化处理这些数据，并提供便捷的程序访问接口。
0 citationsRead paper
Recent publications
Latest Papers
A Dual-Stream Regulated Reconstruction and Segmentation Network with Hierarchical Artifact-Prior Modeling for Ultra-Low-Field Pediatric Neuroimaging
该研究提出一种双流网络，结合3D U-Net重建和分割超低场儿科MRI图像，通过层级伪影先验建模提高图像质量和结构分割精度。
0 citationsRead paper
Mammography Foundation Models for Opportunistic Prediction of Major Adverse Cardiovascular Events
研究通过使用乳腺X线摄影基础模型预测心血管疾病风险，无需特定心血管监督或标注，仅基于影像信息即显著优于仅用年龄的模型。
0 citationsRead paper
Seeing Abnormal from Normal: Glomerular Abnormality in Representations of Normal Renal Morphology
本文提出NoRDeC框架，通过一类别异常检测方法来识别肾小球病理异常，无需使用异常样本训练模型。
0 citationsRead paper
Large-Scale Pretraining for Improving Deep Learning-Based Geometric Distortion Correction of Diffusion-Weighted Imaging
研究利用大规模预训练策略改进基于深度学习的扩散加权成像几何失真校正，通过自监督和生成式预训练模型提升校正效果。
0 citationsRead paper
FoldKit: A Python library for efficient storage and retrieval of co-folding predictions
为解决AlphaFold 3共折叠实验产生的大量数据存储问题，开发了Python库FoldKit，通过高效压缩和结构化处理这些数据，并提供便捷的程序访问接口。
0 citationsRead paper