基于幅度图像的数据一致深度学习MRI超分辨率方法
图像与视频处理
2022-09-08 v1 计算机视觉与模式识别
摘要
磁共振成像(MRI)在临床中对于生成用于诊断的高分辨率图像十分重要，但高分辨率图像的采集时间很长。基于深度学习的MRI超分辨率方法可在无需复杂序列编程的情况下减少扫描时间，但由于训练数据与测试数据之间的差异可能产生额外伪影。数据一致性层可改善深度学习结果，但需要原始k空间数据。本工作中，我们提出一种基于幅度图像的数据一致性深度学习MRI超分辨率方法，以在无原始k空间数据的情况下提升超分辨率图像质量。我们的实验表明，与不含数据一致性模块的相同卷积神经网络(CNN)块相比，所提方法可改善超分辨率图像的NRMSE和SSIM。
引用
@article{arxiv.2209.02901,
title = {Magnitude-image based data-consistent deep learning method for MRI super resolution},
author = {Ziyan Lin and Zihao Chen},
journal= {arXiv preprint arXiv:2209.02901},
year = {2022}
}
备注
Accepted by IEEE CBMS 2022