DOTE：用于 MRI 超分辨率与跨模态合成的双卷积滤波器学习
计算机视觉与模式识别
2017-06-16 v1
摘要
跨模态图像合成是医学图像计算中的一个热点问题。现有的图像合成方法要么针对特定应用定制，要么需要大规模训练集，要么基于将图像划分为重叠图像块。在本文中，我们提出了一种新颖的双卷积滤波器学习 (DOTE) 方法以克服这些方法的缺点。我们构建了一种闭环联合滤波器学习策略，可生成信息反馈以供模型自我优化。我们的方法能更高效地利用数据，从而减小所需训练集的规模。我们在两个具有挑战性的任务中广泛评估了 DOTE：图像超分辨率与跨模态合成。实验结果表明，我们的方法优于其他 state-of-the-art 方法。
引用
@article{arxiv.1706.04954,
title = {DOTE: Dual cOnvolutional filTer lEarning for Super-Resolution and Cross-Modality Synthesis in MRI},
author = {Yawen Huang and Ling Shao and Alejandro F. Frangi},
journal= {arXiv preprint arXiv:1706.04954},
year = {2017}
}
备注
8 pages, 5 figures To appear in MICCAI 2017