基于边缘超分辨率、融合与精修的深度切片插值
图像与视频处理
2019-08-16 v1 计算机视觉与模式识别
摘要
我们提出一种基于2D卷积神经网络（CNNs）的边缘超分辨率（MSR）方法，用于沿高度欠采样方向插值各向异性脑磁共振扫描，不失一般性地假设该方向为轴向。以往的切片插值方法仅考虑来自相邻2D切片对的数据。在垂直于2D切片的方向上融合信息的可能性尚未被探索。我们的方法在矢状面和冠状面两个方向上执行MSR，为切片插值提供初始估计。随后在轴向上对插值切片进行融合与精修以提升一致性。由于MSR仅由2D操作组成，相较于3D CNNs，其在GPU内存消耗上更可行，且所需训练样本更少。我们的实验表明，所提方法优于传统线性插值以及基线的2D/3D CNN方法。最后，我们通过语义分割从欠采样脑MR扫描中估算脑体积，展示了该方法的实际效用。
引用
@article{arxiv.1908.05599,
title = {Deep Slice Interpolation via Marginal Super-Resolution, Fusion and Refinement},
author = {Cheng Peng and Wei-An Lin and Haofu Liao and Rama Chellappa and S. Kevin Zhou},
journal= {arXiv preprint arXiv:1908.05599},
year = {2019}
}