用于三维脑MRI超分辨率的增强生成对抗网络
图像与视频处理
2019-07-17 v2 计算机视觉与模式识别
摘要
磁共振成像（MRI）的单图像超分辨率（SISR）重建因其在加速成像以及改进可用图像数据的定量处理与分析方面的潜力而引起了极大兴趣。生成对抗网络（GAN）已被证明在恢复图像纹理细节方面表现良好，因此许多变体被提出用于SISR。本工作中，我们开发了一种增强方法来处理基于GAN的三维SISR，引入了新颖的残差内残差密集块（RRDG）生成器，该生成器内存高效且在PSNR（峰值信噪比）、SSIM（结构相似性）和NRMSE（归一化均方根误差）指标方面达到最先进性能。我们还引入了具有改进收敛行为的块GAN判别器，以更好地建模脑图像纹理。我们提出了一种利用预训练脑分区网络对结果进行解剖保真度评估的新方法。最后，通过一种简单高效的方法将这些进展结合起来，以平衡最终输出中的图像与纹理质量。
引用
@article{arxiv.1907.04835,
title = {Enhanced generative adversarial network for 3D brain MRI super-resolution},
author = {Jiancong Wang and Yuhua Chen and Yifan Wu and Jianbo Shi and James Gee},
journal= {arXiv preprint arXiv:1907.04835},
year = {2019}
}