相关实验视频
Updated: Jun 6, 2025
09:30
Super-resolution Imaging of Neuronal Dense-core Vesicles
Published on: July 2, 2014
9.7K
NExpR:神经显式表示用于快速任意规模的医疗图像超分辨率
Kaifeng Pang1, Kai Zhao2, Alex Ling Yu Hung3
1Department of Electrical and Computer Engineering, University of California, Los Angeles, CA, 90095, United States; Department of Radiological Sciences, University of California, Los Angeles, CA, 90095, United States.
Computers in biology and medicine
|November 27, 2024
概括
神经显式表示 (NExpR) 通过使用显式分析函数,提供快速,任意规模的医疗图像超分辨率 (SR). 与隐性神经表示技术相比,这种方法实现了超过100倍的加快速度,而不会影响图像质量.
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:
- 医疗图像重新缩放对于各种分辨率的解释至关重要.
- 传统的深度学习超分辨率 (SR) 仅限于固定的尺度.
- 隐式神经表示 (INR) 可以实现任意规模的SR,但在计算上很慢.
研究的目的:
- 引入神经显式表示 (NExpR) 以实现高效的任意尺度医疗图像.
- 为了克服现有的基于INR的SR方法的速度限制.
- 为了实现高质量的医疗图像重新缩放,显著减少处理时间.
主要方法:
- NExpR表示医疗图像,使用来自低分辨率输入的明确分析函数.
- 一个单个神经网络 (NN) 推断生成了分析函数参数.
- 任意尺度的SR图像是通过评估这些显式函数来获得的.
主要成果:
- NExpR实现了显著的加速度,将重新缩放时间减少了100倍以上 (从1 ms到0.01 ms).
- 与现有的SR技术相比,该方法保持或超越图像质量.
- 对各种数据集 (MRI,CT) 的实验验证了NExpR的有效性.
结论:
- NExpR为任意规模的医疗图像超分辨率提供了快速有效的解决方案.
- 显式分析表示在处理速度方面提供了实质性的优势.
- 在各种医学成像模式和数据集中,NExpR表现出强的性能.
