SRUG: Сеть генераторов фьюзии для перевода медицинских изображений
arXiv:2601.047485v2 Annualce Type: заменить резюме: синтез последовательности MRI направлен на восстановление отсутствующего контраста изображения при сохранении анатомии для конкретного пациента. Выбор генерирующего механизма влияет как на оптимизацию, так и на то, каким образом исходная информация достигает синтезированного изображения. В этом исследовании мы предлагаем SRUG, под наблюдением автономного генератора с синтезом, который учится детерминистскому картированию из источника в целевое назначение для парного синтеза МРТ. Его непосредственный проект реконструкции устраняет конкуренцию между генераторами и дистриминаторами и не требует ни вариативного скрытого отбора проб, ни итеративного рассеивания. Для поддержки структурной достоверности в этой формулировке СРУГ использует остаточный энкодер, адаптированный для восстановления изображения с полностью разрешающим сочленением, разделенными на отдельные функциональные ступени и реалибрацией каналов, встроенных в остаточные ветви. Многомасштабный декодер (NMD) постоянно взрывает результирующие пространственные характеристики и предсказывает последовательность цели с помощью единичного отскока
