基于多视角信息的边缘增强双判别器生成对抗网络用于并行成像快速MRI
图像与视频处理
2021-12-14 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
在临床医学中，磁共振成像（MRI）是诊断、分诊、预后和治疗规划最重要的工具之一。然而，由于数据在k空间中按顺序采集，MRI存在固有的数据采集缓慢问题。近年来，文献中提出的大多数MRI重建方法侧重于整体图像重建，而非增强边缘信息。本工作偏离这一普遍趋势，着力于边缘信息的增强。具体而言，我们提出了一种结合多视角信息的并行成像耦合双判别器生成对抗网络（PIDD-GAN），用于快速多通道MRI重建。双判别器设计旨在改善MRI重建中的边缘信息：一个判别器用于整体图像重建，另一个负责增强边缘信息。我们为生成器提出了一种带有局部与全局残差学习的改进U-Net。生成器中嵌入了频域通道注意力块（FCA Blocks）以引入注意力机制。引入内容损失来训练生成器以获得更好的重建质量。我们在Calgary-Campinas公开脑MR数据集上进行了全面实验，并将我们的方法与最先进的MRI重建方法进行比较。在MICCAI13数据集上进行了残差学习的消融实验以验证所提出的模块。结果表明，我们的PIDD-GAN提供了高质量重建的MR图像，且边缘信息保持良好。单幅图像重建时间低于5ms，满足更快处理的需求。
引用
@article{arxiv.2112.05758,
title = {Edge-Enhanced Dual Discriminator Generative Adversarial Network for Fast MRI with Parallel Imaging Using Multi-view Information},
author = {Jiahao Huang and Weiping Ding and Jun Lv and Jingwen Yang and Hao Dong and Javier Del Ser and Jun Xia and Tiaojuan Ren and Stephen Wong and Guang Yang},
journal= {arXiv preprint arXiv:2112.05758},
year = {2021}
}
备注
33 pages, 13 figures, Applied Intelligence