语义特征辅助的跨模态磁共振图像多尺度重建
图像与视频处理
2020-06-24 v1 计算机视觉与模式识别
摘要
由于多模态 MR 图像（尤其是采集时间更长的 T2 加权图像 (T2WI)）的序列采集，较长的采集时间 (AQT) 虽然有益于疾病诊断，但在实际中并不可取。我们提出了一种基于深度网络的新颖解决方案，利用编码器-解码器架构从 T1W 图像 (T1WI) 重建 T2W 图像。所提出的学习通过使用具有强度值和图像在两个正交方向上的梯度的多通道输入，由语义特征辅助。一个增强网络的重建模块 (RM) 以及一个域适应模块 (DAM)（其为内置尖锐瓶颈模块 (SBM) 的编码器-解码器模型）通过模块化训练进行训练。所提出的网络显著减少了总 AQT，且仅有可忽略的定性伪影和定量损失（约 1 秒重建一个体积）。测试在具有真实 MR 图像的公开可用数据集上进行，所提出的网络在 PSNR 上比 SOTA 提高了约 1dB。
引用
@article{arxiv.2006.12585,
title = {Semantic Features Aided Multi-Scale Reconstruction of Inter-Modality Magnetic Resonance Images},
author = {Preethi Srinivasan and Prabhjot Kaur and Aditya Nigam and Arnav Bhavsar},
journal= {arXiv preprint arXiv:2006.12585},
year = {2020}
}
备注
Accepted in IEEE CMBS 2020