基于残差网络的医学图像超分辨率重建

摘要：

提高医学图像的清晰度对于医生迅速的做出病情的诊断与分析具有重要的意义,为充分提高医学图像的纹理细节清晰度,提出一种基于残差网络的医学图像超分辨率重建算法.选取合适的数据集,使用非常深的卷积神经网络,多次级联较小的滤波器,充分提取图像中的信息;使用残差学习的方式以及Adam优化方法来加快深层网络模型的收敛;将不同放大倍数的训练集组合成混合数据集进行训练,提高性能的同时大大减少了参数数量与训练时间.实验结果表明,所提算法的PSNR、SSIM、FSIM均高于现有的几种算法,重建出的图像细节更加丰富,边缘更加完整.

关键词：超分辨率、深度学习、医学图像、残差网络

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60875025

在线出版日期：2019-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：191-197