Enhanced generative adversarial network for 3D brain MRI super-resolution

[namakemono]

#	##
論文リンク	https://arxiv.org/abs/1907.04835v1
著者	Jiancong Wang, Yuhua Chen, Yifan Wu, Jianbo Shi, James Gee
投稿日時	2019-07-10
コード

概要

磁気共鳴画像法（ＭＲＩ）のための単一画像超解像（ＳＩＳＲ）再構成は、画像化をスピードアップするだけでなく、利用可能な画像データの定量的処理および分析を改善する可能性のために大きな関心を集めている。生成的敵対的ネットワーク（ＧＡＮ）は、画像テクスチャ詳細を回復する際にうまく機能することが証明されており、したがって、ＳＩＳＲに対して多くの変形が提案されてきた。本研究では、メモリ効率が高く、PSNRの観点から最先端の性能を達成する、新しい残差残差密ブロック（RRDG）ジェネレータを導入することによって、GANベースの3D SISRに取り組むための機能強化を開発します。ピーク信号対雑音比、ＳＳＩＭ（構造的類似性）およびＮＲＭＳＥ（正規化二乗平均平方根誤差）メトリクス。脳画像テクスチャをより良くモデル化するために改善された収束挙動を有するパッチＧＡＮ弁別器も紹介する。我々は、事前に訓練された脳区画ネットワークを使用して、結果の新規な解剖学的忠実度評価を提案した。最後に、これらの開発は単純で効率的な方法で組み合わされて、最終的な出力で画像とテクスチャの品質のバランスが取られます。