基于多阶段融合网络的多对比度MRI超分辨率重建
图像与视频处理
2021-07-07 v3 计算机视觉与模式识别
摘要
超分辨率（SR）在提升磁共振成像（MRI）图像质量方面起着关键作用。MRI可生成多对比度图像，并能清晰显示软组织。然而，当前的超分辨率方法仅采用单一对比度，或使用简单的多对比度融合机制，忽略了不同对比度之间对提升SR有价值丰富关联。本工作中，我们提出一种用于多对比度MRI SR的多阶段融合网络（即MINet），其在不同阶段显式建模多对比度图像间的依赖关系以引导图像SR。具体而言，我们的MINet首先从不同对比度图像的多个卷积阶段中学习分层特征表示。随后，我们引入多阶段融合模块来挖掘多对比度图像表示间的综合关系。具体地，该模块将每个表示与所有其他特征进行匹配，并按相似度整合这些特征以获得增强表示。在fastMRI和真实临床数据集上的大量实验表明：1）我们的MINet在各种指标上优于最先进的多对比度SR方法；2）我们的多阶段融合模块能够挖掘不同阶段多对比度特征间的复杂交互，从而提升目标图像质量。
引用
@article{arxiv.2105.08949,
title = {Multi-Contrast MRI Super-Resolution via a Multi-Stage Integration Network},
author = {Chun-Mei Feng and Huazhu Fu and Shuhao Yuan and Yong Xu},
journal= {arXiv preprint arXiv:2105.08949},
year = {2021}
}
备注
10 pages, 3 figures