基于空间注意力的隐式神经表示用于任意缩减 MRI 层间距
图像与视频处理
2023-03-21 v2 计算机视觉与模式识别
摘要
以 2D 临床协议采集的磁共振（MR）图像通常具有较大的层间间距，导致平面内分辨率高而平面外分辨率降低。超分辨率技术可增强 MR 图像的平面外分辨率，以辅助下游可视化与计算机辅助诊断。然而，大多数现有工作以固定缩放因子训练超分辨率网络，这对 MR 扫描中层间间距多变的临床场景并不友好。受近期隐式神经表示进展的启发，我们提出一种基于空间注意力的隐式神经表示（SA-INR）网络，用于任意缩减 MR 层间间距。SA-INR 旨在将 MR 图像表示为 3D 坐标的连续隐式函数。如此，SA-INR 可通过在 3D 空间中连续采样坐标来重建具有任意层间间距的 MR 图像。特别地，引入局部感知空间注意力操作，以在更大感受野中更准确地建模邻近体素及其亲和性。同时，为提升计算效率，提出一种梯度引导门控掩码，仅将局部感知空间注意力应用于选定区域。我们在公开 HCP-1200 数据集与临床膝关节 MR 数据集上评估了我们的方法，以证明其相对于其他现有方法的优越性。
引用
@article{arxiv.2205.11346,
title = {Spatial Attention-based Implicit Neural Representation for Arbitrary Reduction of MRI Slice Spacing},
author = {Xin Wang and Sheng Wang and Honglin Xiong and Kai Xuan and Zixu Zhuang and Mengjun Liu and Zhenrong Shen and Xiangyu Zhao and Lichi Zhang and Qian Wang},
journal= {arXiv preprint arXiv:2205.11346},
year = {2023}
}