基于生成对抗网络的CT图像无监督超分辨率分析

摘要：

提高计算机断层成像(CT)医疗影像的分辨率有助于医生更精确地识别病变部位,具有重要临床诊断意义.本文研究在没有高-低分辨率图像对数据的条件下,使用仅包含低分辨率图像的数据集,通过降质网络和注入噪声获得与真实图像同域的低分辨率图像,进而构造接近天然图像对的训练数据集.并且设计了包括超分辨生成器、超分辨鉴别器和超分辨特征提取器的超分辨率生成对抗网络(DeSRGAN),实现对CT影像4倍超分辨率分析.实验测试表明,超分辨率分析生成的4倍CT图像在NIQE、BRISQUE和PIQE等无参考图像质量评估指标的定量对比中,DeSRGAN方法均优于最新的单图像超分辨率的增强型深度残差网络(EDSR)、残差信道注意力网络(RCAN)、增强型超分辨率生成对抗性网络(ESRGAN)等方法生成的图像.同时在直观视觉效果上,DeSRGAN方法生成的图像具有更清晰细节和更好感知效果.

关键词：超分辨率分析、计算机断层成像(CT)、生成对抗网络(GAN)、深度学习

所属期刊栏目：33

分类号：TP391;TP751.1;TN911.73

资助基金：国家自然科学基金;广东省普通高校重点领域专项;广东省空天通信与网络技术重点实验室资助项目

在线出版日期：2023-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：704-712