首页|面向磁共振影像超分辨的WGAN方法研究

面向磁共振影像超分辨的WGAN方法研究

扫码查看
原文链接
  • 万方数据
  • 维普
针对磁共振成像(magnetic resonance imaging,MRI)超分辨率重构任务,提出了 Wasserstein生成式对抗网络(Wasserstein generative adversarial network,WGAN),构建了合适的网络模型与损失函数;基于残差U-net WGAN后端上采样超分模型,设计了感知、纹理和对抗损失,用于恢复低分辨率MRI影像中的细节信息.此网络在2D-MRI的3 000张脑影像上获得的峰值信噪比(peak signal to noise ratio,PSNR)是33.09 dB,结构相似度(structural similarity index measure,SSIM)的平均值为0.95;PSNR与SSIM的值与经典超分法相比较,分别增加了 4.09 dB和0.06.这表明:网络能更好地学习MRI从低分辨率到高分辨率影像之间的映射关系;该方法有效稳定,可以广泛应用于相似系统.
WGAN for super-resolution megnatic resonance imaging

黎玥嵘、武仲科、王学松、申佳丽、王醒策

展开 >

北京师范大学人工智能学院,文化遗产数字化保护与虚拟现实北京市重点实验室,虚拟现实应用教育部工程研究中心,100875,北京

生成式对抗网络 超分辨率重构 磁共振成像 深度学习

国家自然科学基金国家自然科学基金

6197204162072045

2021

10.12202/j.0476-0301.2021203

北京师范大学学报(自然科学版)
北京师范大学

北京师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.505
ISSN：0476-0301
年,卷(期)：2021.57(6)
  • 1