一种用于海量四维功能磁共振成像高效存储的紧凑隐式神经表示
图像与视频处理
2024-03-01 v2 计算机视觉与模式识别
摘要
功能磁共振成像（fMRI）数据是一种广泛使用的四维生物医学数据，需要有效压缩。然而，fMRI 压缩因其复杂的时间动态、低信噪比和复杂的潜在冗余而带来独特挑战。本文报道一种专为 fMRI 数据定制的基于隐式神经表示（INR）的新型压缩范式。所提方法聚焦于通过若干手段去除时间序列中的各类冗余，包括（i）对区域内动态进行空间相关性建模，（ii）分解可复用的神经元激活模式，以及（iii）使用恰当初始化与非线性融合来描述区域间相似性。该方案恰当地结合了 fMRI 数据的独有特征，在公开可用数据集上的实验结果证明了所提方法的有效性，在传统图像质量评价指标和 fMRI 下游任务上均超越当前最优算法。本文工作为以低带宽和高保真共享海量 fMRI 数据铺平了道路。
引用
@article{arxiv.2312.00082,
title = {A Compact Implicit Neural Representation for Efficient Storage of Massive 4D Functional Magnetic Resonance Imaging},
author = {Ruoran Li and Runzhao Yang and Wenxin Xiang and Yuxiao Cheng and Tingxiong Xiao and Jinli Suo},
journal= {arXiv preprint arXiv:2312.00082},
year = {2024}
}