基于深度神经网络模型的1.5T-3T MRI转换对比研究
图像与视频处理
2022-10-13 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们探索了若干深度神经网络模型从临床1.5T MRI生成全脑类3T MR图像的能力。这些模型包括全卷积网络（FCN）方法以及三种最先进的超分辨率方案：ESPCN [26]、SRGAN [17] 与 PRSR [7]。FCN方案U-Convert-Net通过类U-Net架构进行1.5T到3T切片的映射，并通过多视角集成整合3D邻域信息。我们通过实验衡量并深入讨论了这些模型的优缺点以及相关的评价指标。据我们所知，本研究是首个评估多种深度学习方案用于全脑MRI转换的工作，也是首次尝试将FCN/U-Net类结构用于此目的。
引用
@article{arxiv.2210.06362,
title = {A Comparative Study on 1.5T-3T MRI Conversion through Deep Neural Network Models},
author = {Binhua Liao and Yani Chen and Zhewei Wang and Charles D. Smith and Jundong Liu},
journal= {arXiv preprint arXiv:2210.06362},
year = {2022}
}
备注
Accepted to ICMLA 2022