典型文献
面向各向异性3D-MRI图像超分辨率重建的ESRGAN网络
文献摘要:
高分辨率磁共振图像(MRI,magnetic resonance images)能够提高疾病诊断精度,但高分辨率MRI图像的获取十分困难.基于深度学习的图像超分辨率(SR,super resolution)技术可有效地提高图像分辨率.近年来,生成对抗网络(GANs,generative adversarial networks)为3D-MRI图像SR重建提供了新思路.相较于传统的基于深度卷积神经网络(DCNN,deep convolutional neural network)的SR算法,GANs网络以人类视觉机制为目标,且引入判别函数,使重建3D-MRI图像更接近真实图像.研究采用增强超分辨率生成对抗网络(ESRGAN,enhanced super-resolution generative adversarial networks)对3D-MRI图像进行SR重建;并利用3D-MRI图像的跨层面自相似性,将重建任务降维到2 D,在保证重建效果的基础上,减少了网络训练时间和内存需求.通过与其他传统算法和基于DCNN算法对比实验表明,提出的算法能够进一步提高3 D-MRI图像的视觉质量.
文献关键词:
磁共振成像;生成对抗网络;超分辨率重建
中图分类号:
作者姓名:
张建;贾媛媛;贺向前;韩宝如;祝华正;杜井龙
作者机构:
重庆医科大学 医学信息学院,重庆 400016;重庆医科大学 医学数据研究院,重庆 400016;重庆科技学院 智能技术与工程学院,重庆 401331
文献出处:
引用格式:
[1]张建;贾媛媛;贺向前;韩宝如;祝华正;杜井龙-.面向各向异性3D-MRI图像超分辨率重建的ESRGAN网络)[J].重庆大学学报,2022(05):114-124
A类:
B类:
各向异性,图像超分辨率重建,ESRGAN,高分辨率磁共振,磁共振图像,magnetic,resonance,images,疾病诊断,十分困难,super,resolution,图像分辨率,生成对抗网络,GANs,generative,adversarial,networks,深度卷积神经网络,DCNN,deep,convolutional,neural,人类视觉,视觉机制,判别函数,enhanced,跨层,自相似性,网络训练,训练时间,传统算法,算法对比,视觉质量,磁共振成像
AB值:
0.321313
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。