磁共振成像 (MRI) 为诊断癌症提供了绝佳的机会。然而，扫描过程极其敏感。如果患者在扫描过程中稍微移动，就会出现许多问题，导致图像模糊。这使得准确确定癌肿瘤的大小和位置变得更加困难。然而，精确治疗(例如引导放射线攻击肿瘤而不攻击肿瘤周围的健康组织)需要精确成像。

然而，随着医疗技术的进步，也大大增加了本已超负荷工作的医务人员的工作量。它会产生信息压力，从而导致延迟和错误。因此，迫切需要更有效的图像处理方法进行改进。

Attila Simko 在诊断和干预系的论文中展示了如何使用机器学习来优化 MRI 图像的质量和高效处理。阿提拉和他的同事开发了机器学习模型，经过训练可以消除 MRI 图像中的常见伪影，包括噪声和运动。他们还开发了一个强大的模型来根据 MRI 创建合成 CT 扫描。为了进一步推广他们的方法，它们都公开供研究人员进一步使用和比较。

Attila Simko 创建了他的论文的网络版本，其中包含几个交互式图形，以帮助理解该领域。