用于 MR 图像超分辨率的跨模态高频 Transformer
计算机视觉与模式识别
2022-07-13 v2
摘要
提高磁共振（MR）图像数据的分辨率对计算机辅助诊断与脑功能分析至关重要。更高分辨率有助于捕获更细致的内容，但通常导致更低的信噪比与更长的扫描时间。为此，MR 图像超分辨率近期成为广受关注的课题。现有工作基于卷积神经网络（CNN）的传统架构建立了大量深度模型。本文中，为进一步推进该研究领域，我们较早地尝试构建基于 Transformer 的 MR 图像超分辨率框架，并细致设计了有价值领域先验知识的探索。具体而言，我们考虑双重领域先验，包括高频结构先验与跨模态上下文先验，并建立一种新颖的 Transformer 架构，称为跨模态高频 Transformer（Cohf-T），以将这些先验引入低分辨率（LR）MR 图像的超分辨率重建。在两个数据集上的实验表明，Cohf-T 取得了新的最先进性能。
引用
@article{arxiv.2203.15314,
title = {Cross-Modality High-Frequency Transformer for MR Image Super-Resolution},
author = {Chaowei Fang and Dingwen Zhang and Liang Wang and Yulun Zhang and Lechao Cheng and Junwei Han},
journal= {arXiv preprint arXiv:2203.15314},
year = {2022}
}