风格迁移与自监督学习驱动的心肌梗死超分辨率分割
图像与视频处理
2023-09-28 v1 计算机视觉与模式识别
摘要
本研究提出一种融合新颖风格迁移模型与同步超分辨率及分割模型的流程。所提流程旨在通过将扩散张量成像（DTI）图像转换至晚期钆增强（LGE）域来增强图像，该域提供大量高分辨率数据并清晰突出心肌梗死（MI）区域。随后在 LGE 风格图像上执行分割任务。引入端到端超分辨率分割模型，从低分辨率 LGE 风格 DTI 图像生成高分辨率掩码。进一步，为提升模型性能，采用多任务自监督学习策略预训练超分辨率分割模型，使其获取更具代表性的知识并在微调后改善分割性能。https: github.com/wlc2424762917/Med_Img
引用
@article{arxiv.2309.15485,
title = {Style Transfer and Self-Supervised Learning Powered Myocardium Infarction Super-Resolution Segmentation},
author = {Lichao Wang and Jiahao Huang and Xiaodan Xing and Yinzhe Wu and Ramyah Rajakulasingam and Andrew D. Scott and Pedro F Ferreira and Ranil De Silva and Sonia Nielles-Vallespin and Guang Yang},
journal= {arXiv preprint arXiv:2309.15485},
year = {2023}
}
备注
6 pages, 8 figures, conference, accepted by SIPAIM2023