全球注意力增强纹理增强网络用于MR图像重建
Yingnan Li1, Jie Yang2, Teng Yu1
1College of Electronics and Information, Qingdao University, Qingdao, Shandong, China.
Magnetic resonance in medicine
|June 29, 2023
概括
一个新的全球注意力支持的纹理增强网络 (GATE-Net) 改善了多对比MRI重建. 这种方法提高了纹理细节和图像质量,即使低采样率很高.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 图像重建 图像的重建
背景情况:
- 卷积神经网络 (CNN) 在加速磁共振成像 (MRI) 方面表现有前途.
- 需要进一步的研究来优化CNN来学习频率特征和重建多对比MR图像中的纹理.
研究的目的:
- 提出一种全新的全球注意力增强纹理增强网络 (GATE-Net),用于高度低采样的MR图像重建.
- 为了增强频率特征的学习和在多对比度MR图像中重建纹理细节.
主要方法:
- 开发了GATE-Net,其中包括一个频率依赖特征提取模块 (FDFEM) 和一个基于卷积的全球注意模块 (GAM).
- FDFEM从多对比图像中提取高频特征以改善纹理.
- GAM利用整个图像受体场来利用有益的共享信息,并抑制不相关的信息.
主要成果:
- 废弃性研究证实了FDFEM和GAM的有效性.
- 在各种加速度率和数据集中,GATE-Net表现出卓越的性能.
- 包括峰值信号与噪声比率和结构相似性的定量指标得到了改进.
结论:
- 拟议的GATE-Net有效地重建了多对比MR图像.
- 与现有的最先进的方法相比,GATE-Net实现了更高的性能.
- 该网络具有多功能性,适用于各种加速率和数据集.
