从少量体数据学习：基于体超分辨率森林的 MRI 分辨率增强
计算机视觉与模式识别
2018-02-16 v1
摘要
磁共振成像（MRI）能够对解剖结构进行三维成像。然而，获取高空间分辨率的 MR 体数据会导致较长的扫描时间。为此，我们提出体超分辨率森林（VSRF）以回溯式地增强 MRI 分辨率。我们的方法通过采用随机森林回归，学习低分辨率与高分辨率体图像块之间的局部线性映射。我们为体 MRI 定制合适的特征来训练随机森林，并提出一种中值树集成以实现鲁棒回归。VSRF 在不同的 MRI 数据集上，就图像质量以及模型训练与推断效率而言，均优于最先进的基于样例的超分辨率方法。它也更优于无监督方法，仅需少量甚至单个体数据来组装训练数据。
引用
@article{arxiv.1802.05518,
title = {Learning from a Handful Volumes: MRI Resolution Enhancement with Volumetric Super-Resolution Forests},
author = {Aline Sindel and Katharina Breininger and Johannes Käßer and Andreas Hess and Andreas Maier and Thomas Köhler},
journal= {arXiv preprint arXiv:1802.05518},
year = {2018}
}
备注
Preprint submitted to ICIP 2018