由于超分辨率(super-resolution,sr)能够在不需要改变mri硬件的情况下提高图像质量,这种后处理技术在解决获取高质量mri图像的障碍方面得到了广泛的应用。 3、近年来,基于深度学习的系统在mri sr中显示出了巨大的潜力。深度生成模型,包括自回归、基于gan的和基于流程的模型,已经成为生成具有丰富纹理的mri的解决方案。然而...
In this paper, we propose a novel 3D neural network design, namely a multi-level densely connected super-resolution network (mDCSRN) with generative adversarial network (GAN)–guided training. The mDCSRN trains and inferences quickly, and the GAN promotes realistic output hardly distinguishable from...
super‐resolutionunsupervised sparsity learningPurpose To develop a super‐resolution technique using convolutional neural networks for generating thin‐slice knee MR images from thicker input slices, and compare this method with alternative through‐plane interpolation methods. Methods We implemented a 3D ...
基于参考图像的超分辨率重建(Reference-based Super-Resolution,RefSR)技术在图像重建过程中,通过引入与低分辨率图像具有相似纹理或内容结构的参考图像,将参考图像的高频细节迁移到低分辨率图像(low-resolution,LR)中,从而获得高分辨率图像。 二、项目难点 【清晰重建MRI图像细节与边缘】 【提升重建MRI图像的高频细节丰富度...
基于参考图像的超分辨率重建(Reference-based Super-Resolution,RefSR)技术在图像重建过程中,通过引入与低分辨率图像具有相似纹理或内容结构的参考图像,将参考图像的高频细节迁移到低分辨率图像(low-resolution,LR)中,从而获得高分辨率图像。 二、项目难点 【清晰重建MRI图像细节与边缘】 【提升重建MRI图像的高频细节丰富度...
2021-09-22-Task Transformer Network for Joint MRI Reconstruction and Super-Resolution(arXiv2021) Abstrct 磁共振成像(MRI)的核心问题是加快图形合成速度和图像质量之间的权衡。 图像重建 image reconstruction和图像超分辨率是MRI的两个主要技术。前者通过减少 k 空间采样率来加速 MRI。后者通过恢复单个退化的低分辨...
【9】McDonagh, Steven, et al. "Context-Sensitive Super-Resolution for Fast Fetal Magnetic Resonance Imaging."arXiv preprint arXiv:1703.00035(2017). 【10】深度学习在图像超分辨率重建中的应用
TransMRSR: transformer-based self-distilled generative prior for brain MRI super-resolution 作者:Huang, Shan; Liu, Xiaohong; Tan, Tao; Hu, Menghan; Wei, Xiaoer*; Chen, Tingli*; Sheng, Bin* 来源:Visual Computer, 2023, 39(8): 3647-3659. DOI:10.1007/s00371-023-02938-3 Magnetic ...
7T-guided super-resolution of 3T MRI(RF Physics2017)Authors: Khosro Bahrami, Feng Shi, Islem Rekik, and Yaozong Gao本文用数学方法来生成类似7T的超分辨率3T图像,主要贡献有:1.依次使用随机森林回归和稀疏表示来提高重构性能;2.引入一种基于随机森林树输出分布的集成策略,去除异常值,避免不可靠的结果;3....
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2D,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...