基于无监督多尺度生成对抗网络的动脉自旋标记磁共振成像超分辨率重建
图像与视频处理
2020-09-15 v1 机器学习
医学物理
摘要
动脉自旋标记（ASL）磁共振成像（MRI）是一项可定量测量脑血流量（CBF）的有力成像技术。然而，由于被标记的血液占整个组织体积的比例很小，传统 ASL 存在信噪比（SNR）低、空间分辨率差以及采集时间长的问题。本文中，我们提出了一种基于多尺度生成对抗网络（GAN）并通过无监督训练实现的超分辨率方法。该网络仅需低分辨率（LR）ASL 图像自身进行训练，并以 T1 加权图像作为解剖学先验。无需训练配对或预训练。我们加入了一项低通滤波引导项作为额外损失，以抑制来自 LR ASL 图像的噪声干扰。网络训练完成后，将上采样后的 LR ASL 图像与相应的 T1 加权图像输入至最后一层的生成器，从而生成超分辨率（SR）图像。以正常分辨率（NR）ASL 图像（采集 5.5 分钟）与高分辨率（HR）ASL 图像（采集 44 分钟）作为真值，通过比较峰值信噪比（PSNR）与结构相似性指数（SSIM）来评估所提方法的性能。与最近邻、线性及样条插值方法相比，所提方法恢复了更细致的结构信息，在视觉上降低了图像噪声，并在以 HR ASL 图像作为真值时取得了最高的 PSNR 与 SSIM。
引用
@article{arxiv.2009.06129,
title = {Super Resolution of Arterial Spin Labeling MR Imaging Using Unsupervised Multi-Scale Generative Adversarial Network},
author = {Jianan Cui and Kuang Gong and Paul Han and Huafeng Liu and Quanzheng Li},
journal= {arXiv preprint arXiv:2009.06129},
year = {2020}
}
备注
Accepted to 2020 MICCAI MLMI workshop