核心概念
提出一种基于两因子表示的新方法,通过将信号强度分解为可学习的基底和系数因子,实现了从低分辨率磁共振图像高效连续体积表示的学习。同时引入基于坐标的编码,捕捉稀疏体素之间的结构关系,改善了在大幅放大尺度下的超分辨率性能。
要約
本文提出了一种新的基于两因子表示的磁共振图像超分辨率方法。具体来说:
-
将信号强度分解为可学习的基底和系数因子的线性组合,实现了对信号的高效连续体积表示。基底因子捕捉了全局和重复的特征,而系数因子则专注于表达局部细节变化。
-
引入基于坐标的One-Blob编码,捕捉稀疏体素之间的结构关系,改善了在大幅放大尺度下的超分辨率性能,避免了未观测区域的空洞和模糊。
-
在BraTS 2019和MSSEG 2016两个常用的磁共振图像数据集上的实验结果表明,该方法在PSNR和SSIM指标上均优于现有的基于隐式神经表示的超分辨率方法,特别是在大幅放大尺度下表现更加出色。
統計
在BraTS 2019数据集上,放大尺度为4时,PSNR为32.57,SSIM为0.976;放大尺度为8时,PSNR为30.98,SSIM为0.954。
在MSSEG 2016数据集上,放大尺度为4时,PSNR为30.02,SSIM为0.968;放大尺度为8时,PSNR为27.93,SSIM为0.951。
引用
"我们将信号强度分解为可学习的基底和系数因子的线性组合,实现了对信号的高效连续体积表示。"
"我们引入基于坐标的One-Blob编码,捕捉稀疏体素之间的结构关系,改善了在大幅放大尺度下的超分辨率性能。"