arXiv · cs.AI· Jialei He·· 19 天前AI 评分11
ContiLNN：用液态神经网络缓解切片采样不连续性，助力医学图像修复
ContiLNN: Mitigating Slice Sampling Discontinuity with Liquid Neural Networks for Medical Image Restoration
来源与原文
arXiv · cs.AI
作者：Jialei He
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.12337v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 ContiLNN，通过双向闭式连续时间（Bi-CfC）模块为二维修复骨干网络增加跨切片建模能力，用于医学图像修复。在五个训练种子下，CT 去噪、MRI 超分辨率和减计数 PET 修复的 PSNR 较 Restore-RWKV 分别提升 0.1907、1.0176 和 1.2482 dB，三任务 RMSE 均更低。同等参数量下，Bi-CfC 比 Bi-GRU 延迟低 52.8%、峰值 GPU 显存占用低 57.0%。
来源：arXiv · cs.AI · arxiv.org