Newest papers

MRI Reconstruction Risk Estimation from Inference Dynamics

Tamir Shor, Alex Bronstein · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26558 · cited by 0 works (OpenAlex) · open-access PDF

Spanish

Los reconstructores de RMN iterativos producen estimaciones intermedias antes de devolver una imagen final. Estudiamos estas trayectorias de inferencia como una representación modelo-interna del riesgo de reconstrucción realizado, medido por log-NMSE. Los estados nativos del modelo se proyectan a imágenes de magnitud, resumidas por un descriptor de 16 dimensiones fijo, y mapeadas al riesgo utilizando una lectura de colina entrenada por la fuente. Los análisis condicionales muestran que la información de la trayectoria puede permanecer asociada con un error más allá de un predictor de inicialización-solo. El prefixo muestra que el análisis adicional muestra que la información de la trayectoria útil puede surgir antes de la reconstrucción. Los casos de repetición de cambios positivos preservados y los estudios de

Machine translation (Meta M2M100); the English original follows.

Abstract

Iterative MRI reconstructors produce intermediate estimates before returning a final image. We study these inference trajectories as a model-internal representation of realized reconstruction risk, measured by log-NMSE. Model-native states are projected to magnitude images, summarized by a fixed 16-dimensional descriptor, and mapped to risk using a source-trained ridge readout. Across three reconstruction backbones, trajectory features are strongly predictive of reconstruction risk on held-out source data. Under zero-shot target shift, their behavior is backbone-dependent, exhibiting both preserved positive association and readout reversal. Conditional analyses show that trajectory information can remain associated with error beyond an initialization-only predictor. A prefix analysis further shows that useful trajectory information can emerge before reconstruction completes. Repeated-mask and low-shot calibration studies indicate that trajectories primarily encode persistent case difficulty, while their orientation and calibration can change under domain shift.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Trajectory, Inference, Computer science, Calibration, Artificial intelligence, Iterative reconstruction

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange