使用稀疏坐标损失的各向异性多视角 MRI 的更快、自监督超分辨率方法
计算机视觉与模式识别
2025-09-10 v1
摘要
以高分辨率获取图像往往是一项具有挑战性的任务。尤其在医疗领域，图像质量必须在获取时间和患者舒适度之间进行权衡。为了在磁共振 (MR) 成像中平衡扫描时间与质量，可以获取两种不同低分辨率 (LR) 方向的各向异性扫描。通常，对 LR 扫描进行单独分析需要耗时且可能导致误解读。为此，我们提出了一种将两种正交各向异性 LR MR 图像融合以重建统一表示中解剖细节的新方法。我们的多视角神经网络以自监督方式进行训练，不需要对应的高分辨率 (HR) 数据。为优化模型，我们引入稀疏坐标损失，使其能够集成任意比例缩放的 LR 图像。我们在两个独立队列的 MR 图像上对方法进行评估。结果表明，我们的方法在不同的上采样比例下，优于或相当于现有自监督超分辨率方法。通过结合患者无关的离线阶段和患者特定的在线阶段，我们实现了针对患者特定重建的速度提升最高可达十倍，同时实现相似或更好的超分辨率质量。代码已公开于 https://github.com/MajaSchle/tripleSR。
引用
@article{arxiv.2509.07798,
title = {Faster, Self-Supervised Super-Resolution for Anisotropic Multi-View MRI Using a Sparse Coordinate Loss},
author = {Maja Schlereth and Moritz Schillinger and Katharina Breininger},
journal= {arXiv preprint arXiv:2509.07798},
year = {2025}
}
备注
11 pages, 2 figures