文献

J-GLOBAL ID：201902264020670596   整理番号：19A2695858

空間構造プライアを用いた深部MR脳画像超解像【JST・京大機械翻訳】

Deep MR Brain Image Super-Resolution Using Spatio-Structural Priors

著者 (4件)： Cherukuri Venkateswararao (Department of Electrical Engineering, The Pennsylvania State University, University Park, PA, USA) ,  Guo Tiantong (Department of Electrical Engineering, The Pennsylvania State University, University Park, PA, USA) ,  Schiff Steven J. (Center for Neural Engineering, The Pennsylvania State University, University Park, PA, USA) ,  Monga Vishal (Department of Electrical Engineering, The Pennsylvania State University, University Park, PA, USA)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 1368-1383  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高分解能磁気共鳴(MR)画像は正確な診断のために望ましい。実際に,画像分解能はハードウェアや処理制約のような因子によって制限される。最近,深い学習法が画像強調/超解像のための最新の結果を生み出すことが示されている。望ましい高分解能MR画像構造に特別な注意を払い,画像プリアを利用する新しい正則化ネットワーク,すなわち,低ランク構造と深いMR画像超解像(SR)を強化する前の鮮鋭度を提案した。次に,著者らの貢献は,解析的に扱いやすい方法において,そして,超解像タスクを達成する新しい先のガイドされたネットワークアーキテクチャに向けて,これらのプリカーを組み込んでいる。これは,ランクが画像マトリックス(したがってネットワークパラメータ)の微分可能な関数ではないので,ランクの微分可能な近似を追求することによって取り組む問題であるので,特に低ランクに対して挑戦的である。鋭さは,ネットワークの出力で固定フィードバック層により実現できるLaplaceの分散により強調される。重要な拡張として,強化された鮮鋭度のために最適化された新しいセットの訓練データ駆動フィルタを学習することにより,固定フィードバック(Laplace)層を修正した。公開されているMR脳画像データベースで行った実験と既存の最先端の方法に対する比較により,提案した事前誘導ネットワークは,改善されたSNR/画質測度の観点から,著しい実用的利得を提供することを示した。提案した方法は出力画像に基づいているので,提案した方法は汎用性があり,それらの性能をさらに向上させるために広範な既存のネットワークアーキテクチャと組み合わせることができる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *画像 ,  鮮鋭度 ,  *超解像 ,  NMRイメージング ,  画像強調 ,  微分 ,  正則化 ,  測度 ,  フィルタ ,  最適化 ,  ハードウェア ,  学習 ,  ネットワーク ,  フィードバック ,  利得

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深部 ,  MR ,  脳画像 ,  超解像