面向多对比度 MRI 的双重任意尺度超分辨率
图像与视频处理
2023-07-11 v3 计算机视觉与模式识别
摘要
受成像系统限制，从部分测量中重建磁共振成像(MRI)图像对医学影像研究至关重要。受益于不同成像模态下多对比度 MR 图像多样且互补的信息，多对比度超分辨率(SR)重建有望产生更高质量的 SR 图像。在医疗场景中，为了充分观察病灶，放射科医生习惯于以任意尺度缩放 MR 图像，而非像大多数 MRI SR 方法那样使用固定尺度。此外，现有多对比度 MRI SR 方法通常要求参考图像具有固定分辨率，这使得获取参考图像困难并对任意尺度 SR 任务造成限制。为解决这些问题，我们提出了一种基于隐式神经表示的双重任意尺度多对比度 MRI 超分辨率方法，称为 Dual-ArbNet。首先，我们通过特征编码器解耦目标图像与参考图像的分辨率，使网络能够以任意尺度输入目标与参考图像。然后，一个隐式融合解码器融合多对比度特征，并使用隐式解码函数(IDF)获得最终 MRI SR 结果。此外，我们引入课程学习策略来训练网络，提升了 Dual-ArbNet 的泛化性与性能。在两个公开 MRI 数据集上的大量实验表明，我们的方法在不同尺度因子下优于最先进的方法，并在临床实践中具有巨大潜力。
引用
@article{arxiv.2307.02334,
title = {Dual Arbitrary Scale Super-Resolution for Multi-Contrast MRI},
author = {Jiamiao Zhang and Yichen Chi and Jun Lyu and Wenming Yang and Yapeng Tian},
journal= {arXiv preprint arXiv:2307.02334},
year = {2023}
}
备注
Accepted by MICCAI2023