小波域中用于脑 MR 图像超分辨率的精细感知 GAN
图像与视频处理
2020-11-10 v1 计算机视觉与模式识别
机器学习
摘要
磁共振成像在计算机辅助诊断与脑探索中起着重要作用。然而，受限于硬件、扫描时间与成本，临床上获取高分辨率（HR）磁共振（MR）图像颇具挑战。本文提出精细感知生成对抗网络（FP-GANs）从低分辨率对应图像生成 HR MR 图像。它能以分而治之的方式应对现有超分辨率模型细节不敏感的问题。具体而言，FP-GANs 首先在小波域中将 MR 图像分解为低频全局近似与高频解剖纹理。随后每个子带生成对抗网络（sub-band GAN）攻克各单子带图像的超分辨率过程。同时，部署子带注意力以调节全局与纹理信息间的焦点。其可聚焦于子带图像而非特征图，以进一步增强 FP-GANs 的解剖重建能力。此外，逆离散小波变换（IDWT）被集成到模型中以兼顾整幅图像的重建。在 MultiRes_7T 数据集上的实验表明，FP-GANs 在定量与定性上均优于对比方法。
引用
@article{arxiv.2011.04145,
title = {Fine Perceptive GANs for Brain MR Image Super-Resolution in Wavelet Domain},
author = {Senrong You and Yong Liu and Baiying Lei and Shuqiang Wang},
journal= {arXiv preprint arXiv:2011.04145},
year = {2020}
}
备注
9 pages, 11figures