MIT 将对称性嵌入网络,E(3)-Pose 让胎儿脑部 MRI 成像更可靠
MIT News AI · rss · 2026-10-20
MIT、波士顿儿童医院与 Inria 合作开发深度学习模型 E(3)-Pose,用于胎儿脑部 MRI 的运动校正,ECCV 2026 上发表了这项工作。
要解决的问题:胎儿 MRI 由多张 2D 切片堆叠成 3D 影像,但胎儿在扫描中移动会导致各切片角度错位,产生覆盖缺口,医生可能漏诊或误诊脑部发育异常。
方法亮点:不是让模型从数据中学物理,而是把物理先验直接写进网络架构——将胎儿头部左右对称性(等变性/对称性)嵌入模型,使其更准确地识别脑部朝向,从而在胎儿运动中重建高分辨率影像。
临床价值:一作 Ramya Muthukrishnan 在博士初期跟随放射科医生,目睹孕妇扫一小时 MRI 半途放弃的痛点后转向此方向。团队称该工作有望将目前缓慢的手动流程自动化,让扫描更快、更舒适,同时给放射科医生更高质量的影像。
后续方向:目前模型主要在孕晚期胎儿上训练,希望扩展到移动更多的孕中期胎儿——越早发现脑部异常,越容易干预。方法也可推广到其他难成像解剖部位,甚至自动驾驶中的 3D 目标跟踪。
「具身」频道最新
- 机器人从业者吐槽:「让 LLM 给我建机器人公司」正批量产出同一批伪问题创业项目 — kscottz · 2026-10-20
- Maker Arm 入门级机械臂跑通 Dream-1,零样本机器人走进普通开发者 — gharik · 2026-10-20
- GPT-6 Astra 进军空间计算：PICO 设备上的 Jarvis 式实时地球界面 — Scobleizer · 2026-10-20
- RTX Spark 旧金山首发排长队,本地跑 Qwen 模型的 ODS 演示人气火爆 — TheZachMueller · 2026-10-20
- tkipf 转发热议:不存在机器人基础模型,只有基础模型 — tkipf · 2026-10-20
- 机器人模型 Dream-1 Beta 单次成功运行成本仅 1.72 美元，比 LLM Agent 便宜最高 41 倍 — gharik · 2026-10-20