HRINet：用于高分辨率CT图像插值的替代监督网络
图像与视频处理
2020-06-09 v2 计算机视觉与模式识别
摘要
医学领域的图像插值具有极高重要性，因为大多数3D生物医学体数据在采样时，由于辐射剂量或扫描时间，连续切片间的距离显著大于平面内像素尺寸。图像插值在已知切片之间生成若干新切片，以获得各向同性体图像。结果可用于更高质量的人体结构3D重建与可视化。流形上的语义插值已被证明对平滑图像插值非常有用。然而，以往所有方法都聚焦于低分辨率图像插值，且大多数在高分辨率图像上表现不佳。我们提出一种新颖网络——高分辨率插值网络（HRINet），旨在生成高分辨率CT图像插值。我们结合ACAI与GANs的思想，提出一种新颖的替代监督方法，通过交替应用监督与无监督训练，在保持高质量的同时提升CT中人体器官结构的准确性。我们比较了基于MSE和基于感知的损失优化方法以实现高质量插值，并展示了结构正确性与锐度之间的权衡。我们的实验在定量与定性上显示了在256²和512²图像上的大幅改进。
引用
@article{arxiv.2002.04455,
title = {HRINet: Alternative Supervision Network for High-resolution CT image Interpolation},
author = {Jiawei Li and Jae Chul Koh and Won-Sook Lee},
journal= {arXiv preprint arXiv:2002.04455},
year = {2020}
}