STRESS:基于自监督学习的动态胎儿 MRI 超分辨率方法
图像与视频处理
2021-07-01 v2 计算机视觉与模式识别
摘要
在常规 MR 扫描时间尺度上,胎儿运动是不可预测且迅速的。因此,旨在捕捉胎儿运动与胎儿功能动态的动态胎儿 MRI 受限于快速成像技术,并在图像质量与分辨率上有所折衷。动态胎儿 MRI 的超分辨率仍是一项挑战,尤其是在无法获得用于过采样的多方向切片堆叠,且需要高时间分辨率来记录胎儿或胎盘动态时。此外,胎儿运动使得获取用于监督学习方法的高分辨率图像十分困难。为解决该问题,本文提出 STRESS(Spatio-Temporal Resolution Enhancement with Simulated Scans),一种面向交错切片采集的动态胎儿 MRI 自监督超分辨率框架。我们所提方法在原始采集数据上沿高分辨率轴模拟交错切片采集,以生成低分辨率与高分辨率图像对。随后,它利用 MR 时间序列中的空间与时间相关性训练超分辨率网络,用于增强原始数据的分辨率。在模拟数据与宫内数据上的评估表明,所提方法优于其他自监督超分辨率方法,并改善了图像质量,有益于其他下游任务与评估。
引用
@article{arxiv.2106.12407,
title = {STRESS: Super-Resolution for Dynamic Fetal MRI using Self-Supervised Learning},
author = {Junshen Xu and Esra Abaci Turk and P. Ellen Grant and Polina Golland and Elfar Adalsteinsson},
journal= {arXiv preprint arXiv:2106.12407},
year = {2021}
}