Buchumschlag

Triad: Vision Foundation Model for 3D Magnetic Resonance Imaging

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Shansong, Safari, Mojtaba, Li, Qiang, Chang, Chih-Wei, Qiu, Richard LJ, Roper, Justin, Yu, David S., Yang, Xiaofeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unifying Biomedical Vision-Language Expertise: Towards a Generalist Foundation Model via Multi-CLIP Knowledge Distillation
von: Wang, Shansong, et al.
Veröffentlicht: (2025)

DINOv3 with Test-Time Training for Medical Image Registration
von: Wang, Shansong, et al.
Veröffentlicht: (2025)

A Physics-Informed Deep Learning Model for MRI Brain Motion Correction
von: Safari, Mojtaba, et al.
Veröffentlicht: (2025)

Res-MoCoDiff: Residual-guided diffusion models for motion artifact correction in brain MRI
von: Safari, Mojtaba, et al.
Veröffentlicht: (2025)

BrainDINO: A Brain MRI Foundation Model for Generalizable Clinical Representation Learning
von: Wu, Yizhou, et al.
Veröffentlicht: (2026)

Foundation Models in Medical Image Analysis: A Systematic Review and Meta-Analysis
von: Rajendran, Praveenbalaji, et al.
Veröffentlicht: (2025)

Is ChatGPT-5 Ready for Mammogram VQA?
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Performance of GPT-5 in Brain Tumor MRI Reasoning
von: Safari, Mojtaba, et al.
Veröffentlicht: (2025)

Benchmarking GPT-5 for Zero-Shot Multimodal Medical Reasoning in Radiology and Radiation Oncology
von: Hu, Mingzhe, et al.
Veröffentlicht: (2025)

An Efficient 3D Latent Diffusion Model for T1-contrast Enhanced MRI Generation
von: Eidex, Zach, et al.
Veröffentlicht: (2025)

MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting
von: Safari, Mojtaba, et al.
Veröffentlicht: (2025)

Advancing MRI Reconstruction: A Systematic Review of Deep Learning and Compressed Sensing Integration
von: Safari, Mojtaba, et al.
Veröffentlicht: (2025)

Capabilities of GPT-5 on Multimodal Medical Reasoning
von: Wang, Shansong, et al.
Veröffentlicht: (2025)

Efficient Vision Mamba for MRI Super-Resolution via Hybrid Selective Scanning
von: Safari, Mojtaba, et al.
Veröffentlicht: (2025)

Evaluating GPT-5 as a Multimodal Clinical Reasoner: A Landscape Commentary
von: Florea, Alexandru, et al.
Veröffentlicht: (2026)

Universal CT Representations from Anatomy to Disease Phenotype through Agglomerative Pretraining
von: Li, Yuheng, et al.
Veröffentlicht: (2026)

Low-Dose CT Imaging Using a Regularization-Enhanced Efficient Diffusion Probabilistic Model
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Self-Supervised Adversarial Diffusion Models for Fast MRI Reconstruction
von: Safari, Mojtaba, et al.
Veröffentlicht: (2024)

Fast MRI Reconstruction Using Deep Learning-based Compressed Sensing: A Systematic Review
von: Safari, Mojtaba, et al.
Veröffentlicht: (2024)

A Large Convolutional Neural Network for Clinical Target and Multi-organ Segmentation in Gynecologic Brachytherapy with Multi-stage Learning
von: Hu, Mingzhe, et al.
Veröffentlicht: (2025)

Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction
von: Safari, Mojtaba, et al.
Veröffentlicht: (2025)

T1-contrast Enhanced MRI Generation from Multi-parametric MRI for Glioma Patients with Latent Tumor Conditioning
von: Eidex, Zach, et al.
Veröffentlicht: (2024)

Limited-Angle CBCT Reconstruction via Geometry-Integrated Cycle-domain Denoising Diffusion Probabilistic Models
von: Gao, Yuan, et al.
Veröffentlicht: (2025)

Explainable Cross-Disease Reasoning for Cardiovascular Risk Assessment from Low-Dose Computed Tomography
von: Zhang, Yifei, et al.
Veröffentlicht: (2025)

Deep Learning Based Apparent Diffusion Coefficient Map Generation from Multi-parametric MR Images for Patients with Diffuse Gliomas
von: Eidex, Zach, et al.
Veröffentlicht: (2024)

Generalizable 7T T1-map Synthesis from 1.5T and 3T T1 MRI with an Efficient Transformer Model
von: Eidex, Zach, et al.
Veröffentlicht: (2025)

Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT
von: Peng, Junbo, et al.
Veröffentlicht: (2024)

Image‐domain material decomposition for dual‐energy CT using unsupervised learning with data‐fidelity loss
von: Junbo Peng, et al.
Veröffentlicht: (2024)

MRI-CORE: A Foundation Model for Magnetic Resonance Imaging
von: Dong, Haoyu, et al.
Veröffentlicht: (2025)

Diffeomorphic Transformer-based Abdomen MRI-CT Deformable Image Registration
von: Lei, Yang, et al.
Veröffentlicht: (2024)

Full-dose Whole-body PET Synthesis from Low-dose PET Using High-efficiency Denoising Diffusion Probabilistic Model: PET Consistency Model
von: Pan, Shaoyan, et al.
Veröffentlicht: (2023)

MR-Transformer: Vision Transformer for Total Knee Replacement Prediction Using Magnetic Resonance Imaging
von: Zhang, Chaojie, et al.
Veröffentlicht: (2024)

RoMedFormer: A Rotary-Embedding Transformer Foundation Model for 3D Genito-Pelvic Structure Segmentation in MRI and CT
von: Li, Yuheng, et al.
Veröffentlicht: (2025)

Self‐supervised adversarial diffusion models for fast MRI reconstruction
von: Mojtaba Safari, et al.
Veröffentlicht: (2025)

GuiDINO: Rethinking Vision Foundation Model in Medical Image Segmentation
von: Liang, Zhuonan, et al.
Veröffentlicht: (2026)

Dual-Energy Cone-Beam CT Using Two Complementary Limited-Angle Scans with A Projection-Consistent Diffusion Model
von: Peng, Junbo, et al.
Veröffentlicht: (2024)

OCRT: Boosting Foundation Models in the Open World with Object-Concept-Relation Triad
von: Tang, Luyao, et al.
Veröffentlicht: (2025)

VFMM3D: Releasing the Potential of Image by Vision Foundation Model for Monocular 3D Object Detection
von: Ding, Bonan, et al.
Veröffentlicht: (2024)

MedLVR: Latent Visual Reasoning for Reliable Medical Visual Question Answering
von: Xi, Suyang, et al.
Veröffentlicht: (2026)

Data Adaptive Traceback for Vision-Language Foundation Models in Image Classification
von: Peng, Wenshuo, et al.
Veröffentlicht: (2024)