基于AKS-SRNet的脑质瘤多模式图像的高清融合
Xiaobao Liu1, Nana Liu1, Wenjuan Gu1
1Faculty of Mechanical and Electrical Engineering, Kunming University of Science and Technology, 727, Jingming South Road, Chenggong District, Kunming 650500, China.
The Review of scientific instruments
|June 13, 2025
概括
减少用于脑质瘤成像的放射性药物剂量可以提高安全性,但会降低图像质量. 我们的新型AKS-SRNet增强了磁共振成像发射计算机断层扫描 (MRI-ECT) 融合图像,提高了病变清晰度,以进行准确的诊断.
科学领域:
- 医学成像医学成像
- 医学中的人工智能.
- 神经瘤学神经瘤学
背景情况:
- 辐射计算断层扫描 (ECT) 有助于评估脑质瘤,但涉及辐射风险和成本.
- 减少放射性药物剂量会降低ECT图像质量,影响MRI-ECT融合图像分辨率和病变划界.
- 低质量的融合图像阻碍了精确的质瘤诊断和治疗计划.
研究的目的:
- 通过使用超分辨率重建网络,为多模态脑质瘤图像提出高清融合方法.
- 提高MRI-ECT融合图像的分辨率和清晰度,以改善质瘤可视化.
- 开发一个可适应的内核选择超分辨率网络 (AKS-SRNet) 以实现优异的图像融合.
主要方法:
- 设计了一个以相关性驱动的特征分解融合网络,具有多尺度和注意模块,用于详细的特征提取.
- 基于自适应内核选择 (AKS-SRNet) 的超分辨率重建网络被构建以解决低分辨率问题.
- 选择性内核注意模块被集成到PAUP-ESRGAN发电机中,以提高重建效率.
主要成果:
- 拟议的AKS-SRNet有效地融合了多模态MRI-ECT图像,显著改善了病变区域分辨率和边界清晰度.
- 与传统方法相比,生成的融合图像显示了减少的工件和更清晰的轮.
- 增强的图像质量有助于临床医生更精确地进行质瘤分析和诊断.
结论:
- AKS-SRNet为脑质瘤成像提供了高清的融合解决方案,克服了减少放射性药物剂量的局限性.
- 这种人工智能驱动的方法通过提供更清晰,更详细的MRI-ECT融合图像来提高诊断准确性.
- 该方法为更安全,更有效的质瘤评估提供了有希望的进步.
