用于欠采样 MRI 重建与图像到图像翻译的自适应梯度平衡
图像与视频处理
2021-04-12 v1 计算机视觉与模式识别
摘要
近期加速的 MRI 重建模型已使用深度神经网络（DNNs）从高度欠采样的 k 空间数据重建出相对高质量的图像，从而实现更快速的 MRI 扫描。然而，这些技术有时难以重建出保留精细细节且保持自然外观的清晰图像。在本工作中，我们通过使用条件 Wasserstein 生成对抗网络结合一种新颖的自适应梯度平衡（AGB）技术来增强图像质量，该技术自动化了对抗项与像素级项的结合过程并简化了超参数调优。此外，我们引入了密集连接迭代网络，这是一种利用密集连接的欠采样 MRI 重建网络。在 MRI 中，我们的方法最小化伪影，同时保持高质量重建，生成比其他技术更清晰的图像。为展示我们方法的通用性，进一步在一组图像到图像翻译实验上进行了评估，显示出从多项对抗训练中的次优加权中恢复的能力。
引用
@article{arxiv.2104.01889,
title = {Adaptive Gradient Balancing for Undersampled MRI Reconstruction and Image-to-Image Translation},
author = {Itzik Malkiel and Sangtae Ahn and Valentina Taviani and Anne Menini and Lior Wolf and Christopher J. Hardy},
journal= {arXiv preprint arXiv:2104.01889},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:1905.00985