FREA-Unet：用于模态转换的频率感知 U-net
图像与视频处理
2021-01-01 v1 计算机视觉与模式识别
摘要
尽管正电子发射断层扫描（PET）成像已广泛用于多种疾病的诊断，但其采集过程成本高昂且使患者暴露于辐射。而磁共振成像（MRI）是一种更安全的成像方式，不涉及患者辐射暴露。因此，需要从 MRI 数据高效且自动地生成 PET 图像的需求。本文中，我们提出一种新的频率感知注意力 U-net 用于生成合成 PET 图像。具体而言，我们将注意力机制引入负责估计图像低/高频尺度的不同 U-net 层。我们的频率感知注意力 Unet 计算低/高频层中特征图的注意力分数，并利用其帮助模型更聚焦于最重要的区域，从而产生更真实的输出图像。在来自阿尔茨海默病神经影像学倡议（ADNI）数据集的 30 名受试者上的实验结果证明了所提模型在 PET 图像合成中的良好性能，在定性与定量上均优于当前最先进方法。
引用
@article{arxiv.2012.15397,
title = {FREA-Unet: Frequency-aware U-net for Modality Transfer},
author = {Hajar Emami and Qiong Liu and Ming Dong},
journal= {arXiv preprint arXiv:2012.15397},
year = {2021}
}