DAN：用于连续生物医学图像插值的形变感知网络
计算机视觉与模式识别
2020-04-24 v1
摘要
连续生物医学图像之间生物组织的连续性，使得视频插值算法能够恢复生物医学图像中常见的大面积缺损和撕裂。然而，生物医学图像之间的噪声和模糊差异、大形变以及漂移，使得该任务具有挑战性。为了解决这个问题，本文引入了一个形变感知网络，以根据生物组织的连续性合成每个像素。首先，我们为连续生物医学图像插值开发了一个形变感知层，隐式地采用全局感知形变。其次，我们提出了一种自适应风格平衡损失，以考虑连续生物医学图像的风格差异，如模糊和噪声。在形变感知模块的引导下，我们从全局域自适应地合成每个像素，这进一步提高了像素合成的性能。在基准数据集上的定量和定性实验表明，所提出的方法优于 state-of-the-art 方法。
引用
@article{arxiv.2004.11076,
title = {DAN: A Deformation-Aware Network for Consecutive Biomedical Image Interpolation},
author = {Zejin Wang and Guoqing Li and Xi Chen and Hua Han},
journal= {arXiv preprint arXiv:2004.11076},
year = {2020}
}