Scattnet-MR
Published:
Scattnet-MR is a machine learning framework for accelerated MRI reconstruction that integrates wavelet scattering transforms with neural implicit representations to achieve robust and interpretable reconstructions.
The research was carried out at the Laboratorio Avanzado de Procesamiento de Imágenes (LAPI), Facultad de Ingeniería, UNAM, where the focus was on combining physically grounded feature extraction with deep learning models to improve stability under noise and distribution shifts, addressing key limitations of black-box approaches in medical imaging.
The project focuses on combining physically grounded feature extraction with deep learning models to improve stability under noise and distribution shifts, addressing key limitations of black-box approaches in medical imaging.
This work has been submitted to the journal Computers in Biology and Medicine and is currently under review.
Preprint: Download PDF
Scattnet-MR es un framework de machine learning para reconstrucción acelerada de MRI que integra transformadas de scattering wavelet con representaciones neuronales implícitas para lograr reconstrucciones robustas e interpretables.
La investigación se realizó en el Laboratorio Avanzado de Procesamiento de Imágenes (LAPI), Facultad de Ingeniería, UNAM, donde el enfoque estuvo en combinar extracción de características físicamente fundamentada con modelos de deep learning para mejorar la estabilidad ante ruido y cambios de distribución, abordando limitaciones clave de los enfoques de caja negra en imagenología médica.
El proyecto se enfoca en combinar extracción de características físicamente fundamentada con modelos de deep learning para mejorar la estabilidad ante ruido y cambios de distribución, abordando limitaciones clave de los enfoques de caja negra en imagenología médica.
Este trabajo ha sido enviado a la revista Computers in Biology and Medicine y actualmente está en revisión.
Preprint: Descargar PDF