利用无配准测量且无真值数据的深度图像重建
图像与视频处理
2020-09-30 v1 计算机视觉与模式识别
摘要
传统基于深度学习的图像重建的一个关键局限在于需要配准的训练图像对，其中包含一组高质量真值图像。本文通过提出一种新颖的无监督深度配准增强重建方法（U-Dream）来解决这一局限，该方法通过直接将未配准且受伪影污染的图像对映射，训练深度神经网络以重建高质量图像。U-Dream 能够规避对精确配准数据的需求，使其广泛适用于许多生物医学图像重建任务。我们在加速磁共振成像（MRI）中验证了该方法，通过直接在经历非刚性形变的图像的欠采样测量对上训练图像重建模型。
引用
@article{arxiv.2009.13986,
title = {Deep Image Reconstruction using Unregistered Measurements without Groundtruth},
author = {Weijie Gan and Yu Sun and Cihat Eldeniz and Jiaming Liu and Hongyu An and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2009.13986},
year = {2020}
}