IREM：基于隐式神经表示的高分辨率磁共振（MR）图像重建
图像与视频处理
2021-06-30 v1 计算机视觉与模式识别
摘要
为获取高质量高分辨率（HR）MR 图像，我们提出了一种名为 IREM 的新型图像重建网络，该网络在多个低分辨率（LR）MR 图像上训练，并可实现任意上采样率以进行 HR 图像重建。本工作中，我们将期望的 HR 图像视为 3D 图像空间坐标的隐式连续函数，将厚切片 LR 图像视为该函数的若干稀疏离散采样。于是超分辨率（SR）任务即利用结合傅里叶特征位置编码的全连接神经网络从有限观测中学习该连续体函数。通过简单地最小化各成像平面上网络预测与所获 LR 图像强度之间的误差，IREM 被训练为表示观测组织解剖结构的连续模型。实验结果表明，IREM 成功表示了高频图像特征，并且在真实场景数据采集中，IREM 减少了扫描时间，并在 SNR 与局部图像细节方面实现了高质量高分辨率 MR 成像。
引用
@article{arxiv.2106.15097,
title = {IREM: High-Resolution Magnetic Resonance (MR) Image Reconstruction via Implicit Neural Representation},
author = {Qing Wu and Yuwei Li and Lan Xu and Ruiming Feng and Hongjiang Wei and Qing Yang and Boliang Yu and Xiaozhao Liu and Jingyi Yu and Yuyao Zhang},
journal= {arXiv preprint arXiv:2106.15097},
year = {2021}
}
备注
8 pages, 6 figures, conference