关于可复现性的大师课：聚焦先进 MRI 重建方法的学生黑客松
机器学习
2026-01-27 v1
摘要
我们报道了一场以可复现性为主题的学生黑客松的设计、方案与结果，该活动聚焦于复现三篇具有影响力的 MRI 重建论文的结果： MoDL，一种带有学习去噪的展开式基于模型的网络；HUMUS-Net，一种混合展开多尺度 CNN+Transformer 架构；以及一种使用定量 MR 模型进行提前停止的、无训练的物理正则化动态 MRI 方法。我们描述了黑客松的设置，展示了复现结果及附加实验，并详细介绍了构建可复现代码库的基础实践。
引用
@article{arxiv.2601.18314,
title = {A Master Class on Reproducibility: A Student Hackathon on Advanced MRI Reconstruction Methods},
author = {Lina Felsner and Sevgi G. Kafali and Hannah Eichhorn and Agnes A. J. Leth and Aidas Batvinskas and Andre Datchev and Fabian Klemm and Jan Aulich and Puntika Leepagorn and Ruben Klinger and Daniel Rueckert and Julia A. Schnabel},
journal= {arXiv preprint arXiv:2601.18314},
year = {2026}
}