論文の概要: Perceptual cGAN for MRI Super-resolution
- arxiv url: http://arxiv.org/abs/2201.09314v1
- Date: Sun, 23 Jan 2022 16:58:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 09:30:18.299574
- Title: Perceptual cGAN for MRI Super-resolution
- Title（参考訳）: MRI超解像のための知覚的cGAN
- Authors: Sahar Almahfouz Nasser, Saqib Shamsi, Valay Bundele, Bhavesh Garg, and
Amit Sethi
- Abstract要約: 超解像(SR)は、高分解能画像を少ない時間で合成することによって、有用性を高めるのに役立つ。
本稿では,生成的対向ネットワーク(GAN)に基づくMR画像のSR手法を提案する。
入力された低分解能画像に条件付けされた知覚損失を有する条件付きGANを導入し、等方性および異方性MRI超解像の性能を向上させる。
- 参考スコア（独自算出の注目度）: 1.6656334450183463
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Capturing high-resolution magnetic resonance (MR) images is a time consuming
process, which makes it unsuitable for medical emergencies and pediatric
patients. Low-resolution MR imaging, by contrast, is faster than its
high-resolution counterpart, but it compromises on fine details necessary for a
more precise diagnosis. Super-resolution (SR), when applied to low-resolution
MR images, can help increase their utility by synthetically generating
high-resolution images with little additional time. In this paper, we present a
SR technique for MR images that is based on generative adversarial networks
(GANs), which have proven to be quite useful in generating sharp-looking
details in SR. We introduce a conditional GAN with perceptual loss, which is
conditioned upon the input low-resolution image, which improves the performance
for isotropic and anisotropic MRI super-resolution.
- Abstract（参考訳）: 高分解能磁気共鳴(MR)画像の取得は時間のかかるプロセスであり、医学的緊急事態や小児患者には適さない。
対照的に、低解像度のmr画像は高解像度画像よりも高速だが、より正確な診断に必要な詳細を妥協する。
超解像(SR)を低分解能MR画像に適用すると、高分解能画像を少ない時間で合成して有用性を高めることができる。
本稿では,mr画像に対するsr技術について,srにおけるシャープなディテール生成に非常に有用であることが証明されたgans(generative adversarial network)に基づくmr画像のsr手法を提案する。
入力された低分解能画像に条件付けされた知覚損失を有する条件付きGANを導入し、等方性および異方性MRI超解像の性能を向上させる。
関連論文リスト
- Learning Two-factor Representation for Magnetic Resonance Image Super-resolution [1.294284364022674]
2要素表現に基づくMR画像超解像法を提案する。
具体的には、強度信号を学習可能な基底と係数の線形結合に分解する。
提案手法は最先端の性能を達成し,より優れた視覚的忠実度とロバスト性を実現する。
論文 参考訳（メタデータ） (2024-09-15T13:32:24Z) - Unpaired MRI Super Resolution with Contrastive Learning [33.65350200042909]
深層学習に基づく画像超解像法は、余分なコストなしでMRIの解像度を改善することを約束する。
整列性高分解能(HR)と低分解能(LR)のMRI画像ペアが欠如しているため、教師なしのアプローチはMRI画像によるSR再構成に広く採用されている。
我々は,限られたHRデータでSR性能を向上させるために,コントラスト学習を用いたMRI SRアプローチを提案する。
論文 参考訳（メタデータ） (2023-10-24T12:13:51Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳（メタデータ） (2022-09-15T03:58:30Z) - High-Resolution Pelvic MRI Reconstruction Using a Generative Adversarial
Network with Attention and Cyclic Loss [3.4358954898228604]
超解像法はMRIの高速化に優れた性能を示した。
場合によっては、スキャン時間が長い場合でも高解像度画像を得るのは困難である。
我々は,周期的損失と注意機構を有するGAN(Generative Adversarial Network)を用いた新しい超解像法を提案した。
論文 参考訳（メタデータ） (2021-07-21T10:07:22Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳（メタデータ） (2021-03-04T10:45:01Z) - ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep
learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。
ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文 参考訳（メタデータ） (2021-02-25T14:52:23Z) - Reference-based Texture transfer for Single Image Super-resolution of
Magnetic Resonance images [1.978587235008588]
平面内および平面間MRI超解像を用いた深層学習のための参照型マルチコントラスト・マルチコントラスト・テクスチャ・トランスファー戦略を提案する。
提案手法を異なる超解像アーキテクチャに適用し,PSNRとSSIMの4倍超解像に対する改善を観察する。
論文 参考訳（メタデータ） (2021-02-10T14:12:48Z) - Perception Consistency Ultrasound Image Super-resolution via
Self-supervised CycleGAN [63.49373689654419]
自己スーパービジョンとサイクル生成対向ネットワーク(CycleGAN)に基づく新しい知覚整合超音波画像超解像法を提案する。
まず,検査用超音波LR画像のHR父子とLR子を画像強調により生成する。
次に、LR-SR-LRとHR-LR-SRのサイクル損失と判別器の対角特性をフル活用して、より知覚的に一貫性のあるSR結果を生成する。
論文 参考訳（メタデータ） (2020-12-28T08:24:04Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2020-03-15T23:07:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。