典型文献
采用伪3D卷积网络的脑部MRI图像超分辨率重建
文献摘要：
针对现有深度学习医学图像超分辨率重建算法因网络参数量大导致计算复杂度过高、网络难以训练的问题,提出一种采用伪3D卷积的轻量级密集残差连接3D卷积神经网络(P3DSRNet)模型.首先利用密集残差块拓宽残差块中卷积层的通道,将更多的特征信息传送到激活函数,使网络中浅层图像特征更容易地传播到高层,增强医学图像超分辨率的表达能力;然后采用伪3D可分离卷积策略训练网络,将标准3D卷积核分离成多个卷积核,分阶段进行训练,使网络训练收敛速度更快,解决标准3D卷积拓宽维数导致网络训练难度加大时参数急剧增加的问题.实验结果表明,对比传统的插值超分辨率算法和LRTV超分辨率算法,采用P3DSRNet模型重建的医学图像纹理细节更丰富,视觉效果更逼真,与采用卷积神经网络的超分辨率算法SRCNN3D和ReCNN相比,P3DSRNet模型网络参数大大减少,峰值信噪比分别提升了1.88 dB和0.30 dB,结构相似度分别提升了0.0096和0.0011,P3DSRNet模型不仅大大降低了参数量和计算复杂度,而且提高了医学图像的超分辨性能.
文献关键词：
超分辨率;磁共振成像;伪3D卷积;残差学习
中图分类号：
作者姓名：
柏正尧;陶劲宇
作者机构：
云南大学信息学院 昆明 650500
文献出处：
引用格式：
[1]柏正尧;陶劲宇-.采用伪3D卷积网络的脑部MRI图像超分辨率重建)[J].计算机辅助设计与图形学学报,2022(02):208-216
A类：
P3DSRNet,LRTV,SRCNN3D,ReCNN
B类：
卷积网络,脑部,图像超分辨率重建,有深度,医学图像,重建算法,法因,网络参数,参数量,计算复杂度,轻量级,密集残差连接,密集残差块,卷积层,特征信息,信息传送,送到,激活函数,中浅层,图像特征,易地,播到,表达能力,可分离卷积,策略训练,卷积核,分阶段,网络训练,收敛速度,超分辨率算法,模型重建,图像纹理,视觉效果,逼真,大大减少,峰值信噪比,dB,结构相似度,大大降低,磁共振成像,残差学习
AB值：
0.268267
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
