10.11835/j.issn.1000-582X.2022.05.011
面向各向异性3D-MRI图像超分辨率重建的ESRGAN网络
高分辨率磁共振图像(MRI,magnetic resonance images)能够提高疾病诊断精度,但高分辨率MRI图像的获取十分困难.基于深度学习的图像超分辨率(SR,super resolution)技术可有效地提高图像分辨率.近年来,生成对抗网络(GANs,generative adversarial networks)为3D-MRI图像SR重建提供了新思路.相较于传统的基于深度卷积神经网络(DCNN,deep convolutional neural network)的SR算法,GANs网络以人类视觉机制为目标,且引入判别函数,使重建3D-MRI图像更接近真实图像.研究采用增强超分辨率生成对抗网络(ESRGAN,enhanced super-resolution generative adversarial networks)对3D-MRI图像进行SR重建;并利用3D-MRI图像的跨层面自相似性,将重建任务降维到2 D,在保证重建效果的基础上,减少了网络训练时间和内存需求.通过与其他传统算法和基于DCNN算法对比实验表明,提出的算法能够进一步提高3 D-MRI图像的视觉质量.
磁共振成像、生成对抗网络、超分辨率重建
45
TP391(计算技术、计算机技术)
国家自然科学基金;重庆市教育委员会科学技术研究计划青年资助项目;重庆市教委科学技术研究项目;重庆医科大学智慧医学项目;重庆市自然科学基金资助项目
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共11页
114-124