用于MRI超分辨率的耦合投影残差网络
图像与视频处理
2019-07-15 v1 计算机视觉与模式识别
摘要
磁共振成像（MRI）通过帮助医生做出更准确诊断，已广泛应用于临床与病理研究。另一方面，由于现有MRI技术获取的图像通常分辨率较低，基于MRI的准确诊断仍具重大挑战。提升MRI图像质量与分辨率因此成为关键重要任务。本文提出一种创新的耦合投影残差网络（CPRN）用于MRI超分辨率。CPRN由两个互补子网络组成：一个浅层网络与一个深层网络，在保持内容一致性的同时学习低分辨率与高分辨率图像间的高频差异。浅层子网络采用耦合投影以更好保留MRI图像细节，其中引入一种新颖反馈机制引导高分辨率图像重建。深层子网络从高频率图像信息的残差中学习，其中级联多个残差块以在最后网络层放大MRI图像。最后，来自浅层与深层子网络的特征被融合用于高分辨率MRI图像重建。为有效融合深浅子网络特征，受人类认知过程（从简单到复杂）启发设计了逐步连接（CPRN S）。在三个公开MRI数据集上的实验表明，我们提出的CPRN相比最先进方法取得了更优的MRI超分辨率性能。我们的源代码将公开于 http://www.yongxu.org/lunwen.html。
引用
@article{arxiv.1907.05598,
title = {Coupled-Projection Residual Network for MRI Super-Resolution},
author = {Chun-Mei Feng and Kai Wang and Shijian Lu and Yong Xu and Heng Kong and Ling Shao},
journal= {arXiv preprint arXiv:1907.05598},
year = {2019}
}
备注
Our source code will be publicly available at http://www.yongxu.org/lunwen.html