FA-GAN：用于 MRI 图像超分辨率的融合注意力生成对抗网络
图像与视频处理
2021-08-29 v1 计算机视觉与模式识别
摘要
高分辨率磁共振图像可提供精细的解剖信息，但获取此类数据需要较长的扫描时间。本文提出一种称为融合注意力生成对抗网络 (FA-GAN) 的框架，用于从低分辨率磁共振图像生成超分辨率 MR 图像，从而有效减少扫描时间并获得高分辨率 MR 图像。在 FA-GAN 框架中，提出由使用不同卷积核的三个不同通路网络构成的局部融合特征块，以提取不同尺度的图像特征。并设计包含通道注意力模块、自注意力模块及融合操作的全局特征融合模块，以增强 MR 图像的重要特征。此外，引入谱归一化过程以使判别器网络稳定。使用 40 组 3D 磁共振图像（每组图像含 256 个切片）训练网络，并使用 10 组图像测试所提方法。实验结果表明，所提 FA-GAN 方法生成的超分辨率磁共振图像的 PSNR 与 SSIM 值高于最先进的重建方法。
引用
@article{arxiv.2108.03920,
title = {FA-GAN: Fused Attentive Generative Adversarial Networks for MRI Image Super-Resolution},
author = {Mingfeng Jiang and Minghao Zhi and Liying Wei and Xiaocheng Yang and Jucheng Zhang and Yongming Li and Pin Wang and Jiahao Huang and Guang Yang},
journal= {arXiv preprint arXiv:2108.03920},
year = {2021}
}
备注
27 pages, 12 figures, accepted by CMIG