基于带注意力与循环损失的生成对抗网络的高分辨率盆腔MRI重建
图像与视频处理
2021-07-22 v1 计算机视觉与模式识别
机器学习
摘要
磁共振成像（MRI）是一种重要的医学成像方式，但由于生理限制，其采集速度相当缓慢。近年来，超分辨率方法在加速MRI方面表现出优异的性能。在某些情况下，即使延长扫描时间也难以获得高分辨率图像。因此，我们提出了一种新颖的超分辨率方法，利用带循环损失和注意力机制的生成对抗网络（GAN），将低分辨率MR图像按2倍放大生成高分辨率MR图像。我们在健康受试者的盆腔图像上实现我们的模型作为训练和验证数据，而来自患者的数据用于测试。MR数据集使用不同的成像序列获取，包括T2、T2W SPAIR和mDIXON-W。四种方法，即BICUBIC、SRCNN、SRGAN和EDSR被用于比较。结构相似性、峰值信噪比、均方根误差和方差膨胀因子被用作评价指标以评估所提方法的性能。多种实验结果表明，与其他方法相比，我们的方法能更好地恢复高分辨率MR图像的细节。此外，重建的高分辨率MR图像能为肿瘤患者提供更好的病灶纹理，有望用于临床诊断。
引用
@article{arxiv.2107.09989,
title = {High-Resolution Pelvic MRI Reconstruction Using a Generative Adversarial Network with Attention and Cyclic Loss},
author = {Guangyuan Li and Jun Lv and Xiangrong Tong and Chengyan Wang and Guang Yang},
journal= {arXiv preprint arXiv:2107.09989},
year = {2021}
}
备注
21 pages, 7 figures, 4 tables