典型文献
基于DNGAN的磁共振图像超分辨率重建算法
文献摘要：
磁共振图像的质量会影响医生对患者身体情况的判断,高清晰度的磁共振图像更有利于医生做出准确的诊断.利用计算机技术对磁共振图像进行超分辨率重建,可以由低分辨率的磁共振图像得到高分辨率的磁共振图像.基于生成对抗网络强大的生成能力及其非监督学习特性,文中研究了基于生成对抗网络的磁共振图像超分辨率算法,设计了一个结合残差网络结构及DenseNet结构作为生成网络的网络模型DNGAN.该网络使用WGAN-GP理论作为对抗损失来稳定生成对抗网络的训练.除此之外,使用内容损失函数以及感知损失函数作为网络的损失函数.同时,为了更好地利用磁共振图像丰富的频域信息,将磁共振图像的频域信息作为频域损失函数添加到网络中.为了证明DNGAN模型的有效性,将其磁共振图像超分辨率实验结果与SRGAN以及双三次插值法的磁共振图像超分辨率重建结果进行对比,表明DNGAN模型能够有效地对磁共振图像进行超分辨率重建.
文献关键词：
超分辨率重建;生成对抗网络;磁共振图像;卷积神经网络;DenseNet
中图分类号：
作者姓名：
戴朝霞;李锦欣;张向东;徐旭;梅林;张亮
作者机构：
中国电子科技集团公司第三十研究所 成都610041;西安电子科技大学通信工程学院 西安710071;西安电子科技大学计算机科学与技术学院 西安710071;公安部第三研究所 上海200031;西安市智能软件工程重点实验室(西安电子科技大学) 西安710071
文献出处：
引用格式：
[1]戴朝霞;李锦欣;张向东;徐旭;梅林;张亮-.基于DNGAN的磁共振图像超分辨率重建算法)[J].计算机科学,2022(07):113-119
A类：
DNGAN
B类：
磁共振图像,图像超分辨率重建,重建算法,高清晰度,利用计算机,计算机技术,低分辨率,生成对抗网络,生成能力,监督学习,学习特性,中研,超分辨率算法,残差网络结构,DenseNet,生成网络,网络使用,WGAN,GP,除此之外,感知损失函数,频域,域信息,SRGAN,双三次插值法
AB值：
0.18497
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。
