DA-VSR：面向医学图像的领域自适应体积超分辨率
图像与视频处理
2022-10-12 v1 计算机视觉与模式识别
摘要
医学图像超分辨率（SR）是一个活跃的研究领域，具有许多潜在应用，包括减少扫描时间、改善视觉理解、增强下游任务的鲁棒性等。然而，将基于深度学习的 SR 方法应用于临床场景经常会遇到领域不一致的问题，因为测试数据可能由不同的机器或针对不同的器官采集。在这项工作中，我们提出了一种名为领域自适应体积超分辨率（DA-VSR）的新颖算法，以更好地弥合领域不一致的差距。DA-VSR 使用统一的特征提取主干网络和一系列网络头来改善不同平面上的图像质量。此外，DA-VSR 利用测试数据上的面内和穿面分辨率差异来实现自学习的领域自适应。因此，DA-VSR 结合了通过监督学习训练的强大特征生成器的优势，以及通过无监督学习调整以适应测试体积特异性的能力。通过实验，我们证明 DA-VSR 在不同领域的众多数据集上显著提高了超分辨率质量，从而向实际临床应用迈出了更进一步。
引用
@article{arxiv.2210.05117,
title = {DA-VSR: Domain Adaptable Volumetric Super-Resolution For Medical Images},
author = {Cheng Peng and S. Kevin Zhou and Rama Chellappa},
journal= {arXiv preprint arXiv:2210.05117},
year = {2022}
}
备注
MICCAI2021