[1]李嘉丽,王国中,赵海武.基于频域约束和交叉融合特征网络的磁共振图像超分辨率重建算法[J].中国医学物理学杂志,2023,40(1):31-38.[doi:DOI:10.3969/j.issn.1005-202X.2023.01.006]
　LI Jiali,WANG Guozhong,ZHAO Haiwu.Magnetic resonance image super-resolution reconstruction based on frequency-domain constraints and cross-fusion feature[J].Chinese Journal of Medical Physics,2023,40(1):31-38.[doi:DOI:10.3969/j.issn.1005-202X.2023.01.006]
点击复制

基于频域约束和交叉融合特征网络的磁共振图像超分辨率重建算法()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
40卷
期数:
2023年第1期
页码:
31-38
栏目:
医学影像物理
出版日期:
2023-01-07

文章信息/Info

Title:
Magnetic resonance image super-resolution reconstruction based on frequency-domain constraints and cross-fusion feature
文章编号:
1005-202X（2023）01-0031-08
作者:
李嘉丽; 王国中; 赵海武
上海工程技术大学电子电气工程学院人工智能产业研究院， 上海 201620
Author(s):
LI Jiali;  WANG Guozhong;  ZHAO Haiwu
Artificial Intelligence Industry Institute, School of Electrical and Electronic Engineering, Shanghai University of Engineering Science, Shanghai 201620, China
关键词:
磁共振成像; 超分辨率重建; 频域约束; 深度学习
Keywords:
Keywords: magnetic resonance imaging super-resolution reconstruction frequency domain constraint deep learning
分类号:
R318
DOI:
DOI:10.3969/j.issn.1005-202X.2023.01.006
文献标志码:
A
摘要:
磁共振（MR）图像常用于临床医学诊断，获得高分辨率MR图像有利于进行医学分析。目前主流的基于参考的图像超分辨率重建算法重建的图像，其视觉效果取得了明显的提升，但仍存在明显的伪影问题。针对该问题，提出频域约束和交叉融合特征网络（FCCF）模型，即引入频域损失函数作为约束条件，并构建一种多分辨率特征融合机制，通过交叉融合不同分辨率的图像特征来提高生成图像的质量，使重建结果具有更清晰的细节，没有明显的伪影。在合成和真实的MR图像数据集上分别用PSNR和SSIM指标进行评估，实验结果明显优于现有的超分辨率重建方法。
Abstract:
Abstract: Magnetic resonance (MR) images are often used in clinical medical diagnosis, and high-resolution MR images are of high medical diagnostic value and can be recovered from low-resolution MR images using super-resolution reconstruction algorithms. The mainstream reference-based image super-resolution reconstruction algorithm can obtain fine image details, but still inevitably produces some artifacts. To address this problem, a frequency-domain constraints and cross-fusion feature (FCCF) model is proposed. The model introduces the frequency-domain loss function as a constraint and constructs a cross-fusion feature integration mechanism module to improve the quality of the generated images by cross-fusing image features of different resolutions, so that the reconstruction results have clearer details and no obvious artifacts. The experiment results show that the proposed method outperforms the existing super-resolution reconstruction algorithms when they are evaluated on synthetic and actual MR image data sets using peak signal-to-noise ratio and structural similarity.

相似文献/References:

[1]王水花,张煜东.压缩感知磁共振成像技术综述[J].中国医学物理学杂志,2015,32(02):158.[doi:10.3969/j.issn.1005-202X.2015.02.002]
[2]马海涵,游 箭,唐文国,等.成人小脑髓母细胞瘤MR成像和NSE表达水平[J].中国医学物理学杂志,2015,32(02):207.[doi:10.3969/j.issn.1005-202X.2015.02.012]
[3]武 杰,袁航英,严 峻,等.医用核磁共振成像设备的风险因素分析与管理[J].中国医学物理学杂志,2014,31(03):4918.[doi:10.3969/j.issn.1005-202X.2014.03.016]
[4]张煜东,王水花.磁共振成像加速方法[J].中国医学物理学杂志,2014,31(04):5015.[doi:10.3969/j.issn.1005-202X.2014.04.010]
[5]万俊,聂生东,王远军,等.基于MRI的脑肿瘤分割技术研究进展[J].中国医学物理学杂志,2013,30(04):4266.[doi:10.3969/j.issn.1005-202X.2013.04.013]
[6]曾雁冰,张战胜,辛学刚,等.反演法在磁共振射频场设计与优化中的应用[J].中国医学物理学杂志,2013,30(04):4272.[doi:10.3969/j.issn.1005-202X.2013.04.014]
[7]赵 琳,张军,张新宇,等.CT和MRI诊断脑神经胶质瘤52例分析[J].中国医学物理学杂志,2015,32(04):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
　[J].Chinese Journal of Medical Physics,2015,32(1):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
[8]赵 琳,张军,张新宇,等.CT和MRI诊断脑神经胶质瘤52例分析[J].中国医学物理学杂志,2015,32(04):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
[9]骆众星,石健强,谢斯栋,等.T1 FLAIR PROPELLER序列在3.0T磁共振颅脑增强成像上对抑制各种伪影的应用[J].中国医学物理学杂志,2015,32(06):878.[doi:doi:10.3969/j.issn.1005-202X.2015.06.025]
　[J].Chinese Journal of Medical Physics,2015,32(1):878.[doi:doi:10.3969/j.issn.1005-202X.2015.06.025]
[10]管春,朱庆永.参考制导的压缩感知快速磁共振重建方法[J].中国医学物理学杂志,2016,33(3):217.[doi:10.3969/j.issn.1005-202X.2016.03.001]
[11]于会昌,刘士远.深度学习在磁共振图像超分辨率重建中的应用[J].中国医学物理学杂志,2024,41(10):1243.[doi:DOI:10.3969/j.issn.1005-202X.2024.10.008]
　YU Huichang,LIU Shiyuan.Application of deep learning in super-resolution reconstruction of magnetic resonance images[J].Chinese Journal of Medical Physics,2024,41(1):1243.[doi:DOI:10.3969/j.issn.1005-202X.2024.10.008]

备注/Memo

备注/Memo:
【收稿日期】2022-07-22 【基金项目】国家重点研发计划（2019YFB1802702） 【作者简介】李嘉丽，硕士研究生，研究方向：深度学习，图像超分辨率重建，E-mail: 986437829@qq.com 【通信作者】王国中，博士，教授，研究方向：数字音视频信息处理、智能信息处理，E-mail: wanggz@sues.edu.cn
更新日期/Last Update: 2023-01-07