基于对比学习的非配对 MRI 超分辨率
图像与视频处理
2024-02-19 v3 计算机视觉与模式识别
机器学习
摘要
磁共振成像（MRI）对于提升临床诊断准确性至关重要。然而，MRI 固有的长扫描时间限制了其广泛应用。基于深度学习的图像超分辨率（SR）方法展现出在不增加额外成本的情况下提升 MRI 分辨率的潜力。由于缺乏对齐的高分辨率（HR）与低分辨率（LR）MRI 图像对，非配对 MRI 图像的无监督方法被广泛用于超分辨率重建。然而，这些方法仍需要大量 HR MRI 图像用于训练，而这类图像难以获取。为此，我们提出一种非配对 MRI 超分辨率方法，采用对比学习以在有限 HR 训练数据下增强超分辨率性能。本研究给出的实证结果强调，即便在 HR 图像匮乏时，峰值信噪比与结构相似性指数也有显著提升。这些发现凸显了我们的方法在应对有限 HR 训练数据挑战方面的潜力，从而推动 MRI 在临床应用中的发展。
引用
@article{arxiv.2310.15767,
title = {Unpaired MRI Super Resolution with Contrastive Learning},
author = {Hao Li and Quanwei Liu and Jianan Liu and Xiling Liu and Yanni Dong and Tao Huang and Zhihan Lv},
journal= {arXiv preprint arXiv:2310.15767},
year = {2024}
}