改进结构MRI预处理与混合变压器GANs
Ovidijus Grigas1, Rytis Maskeliūnas1, Robertas Damaševičius1,2
1Faculty of Informatics, Kaunas University of Technology, 50254 Kaunas, Lithuania.
Life (Basel, Switzerland)
|September 28, 2023
概括
这项研究介绍了HR-MRI-GAN,这是一种使用混合变压器生成对抗网络来增强低分辨率脑MRI扫描的新方法. 它提高了图像分辨率,降低了噪音,在感知质量方面表现优于现有的方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 磁共振成像 (MRI) 对于诊断大脑病理至关重要.
- 标准的MRI扫描通常会出现低分辨率和噪声,影响诊断的准确性.
- 高分辨率的MRI采集是昂贵和耗时的,需要替代解决方案.
研究的目的:
- 评估结构MRI超分辨率视觉转换器的有效性.
- 开发一种提高MRI分辨率和降低噪音的方法,同时优先考虑感知图像质量.
- 为了解决现有的超分辨率技术的局限性,这些技术产生模糊的升级图像.
主要方法:
- 拟议的HR-MRI-GAN是一种混合变压器生成对抗网络,用于2D T1w MRI切片超分辨率和无声化.
- 杆视觉转换器架构用于图像增强任务.
- 进行实验以定量和主观地评估图像质量.
主要成果:
- 在感知图像质量方面,HR-MRI-GAN在数量上优于最先进的 (SOTA) 方法.
- 拟议的方法证明了对未见的MRI数据的主观概括能力.
- 确定视觉突出度诱导的指数不适合MRI感知质量评估.
结论:
- HR-MRI-GAN有效地提高了分辨率,并消除了结构性MRI扫描中的噪声.
- 与现有方法相比,混合变压器GAN方法提供了更高的感知质量.
- 一般用途的消噪网络在MRI中有效降低噪声,并且需要特定的指标来评估感知质量.
