基于预训练与自监督微调的磁共振图像层间超分辨率

在临床实践中，广泛采用2D磁共振(MR)序列。虽然可以将单个2D切片堆叠成3D体积，但较大的切片间距会给图像可视化和后续分析任务（通常需要各向异性体素间距）带来挑战。为减少切片间距，深入学习方法被广泛用于超分辨率。然而，大多数现有方法需要大量配对的高分辨率和低分辨率图像进行监督训练，而在实际场景中通常不可得。本文提出一种用于MR图像层间超分辨率的自监督超分辨率框架。该框架通过预训练于视频数据集实现，发现视频的时序相关性有助于建模MR切片之间的空间关系。随后，我们使用公开的高质量MR数据集进行微调，以增强模型对医学数据的敏感性。最后，针对目标数据集，利用自监督微调进一步确保模型在特定的超分辨率任务中表现良好。该方法的表现优于其他自监督方法，也具有惠及各类下游应用的潜力。