文献

J-GLOBAL ID：202202249134466915   整理番号：22A0108553

多重分解能CNNに基づくMR画像の超解像法【JST・京大機械翻訳】

Super-resolution method for MR images based on multi-resolution CNN

著者 (8件)： Kang Li (College of Electronic and Information Engineering, Shenzhen University, Shenzhen 518060, China) ,  Kang Li (Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen, China) ,  Liu Guojuan (College of Electronic and Information Engineering, Shenzhen University, Shenzhen 518060, China) ,  Liu Guojuan (Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen, China) ,  Huang Jianjun (College of Electronic and Information Engineering, Shenzhen University, Shenzhen 518060, China) ,  Huang Jianjun (Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen, China) ,  Li Jianping (College of Electronic and Information Engineering, Shenzhen University, Shenzhen 518060, China) ,  Li Jianping (Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen, China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 72  号： PB  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高分解能(HR)磁気共鳴画像(MRI)は医師診断病変をより有効に支援できる。しかし,実際には,装置制限,走査時間または患者快適性のため,HR-MRIを得ることは困難である。幸いに,情報技術の発展によって,HR-MRIはいくつかの画像後処理アプローチによって得ることができた。本論文では,畳み込みニューラルネットワーク(CNN)および多重解像度解析に基づく新しいHR-MRI生成アプローチを提示し,2つの固有相関に基づくHR T1強調(T1w)参照画像によって提供された事前情報を用いて,低解像度(LR)T2強調(T2w)画像の分解能を改善することを意図した。特に,MRI用の新しい3D多重解像度解析マルチモーダルSR再構成ネットワークを構築し,それは,モダリティ間の構造的類似性を完全に利用した。他のネットワークと異なり,提案した再構成ネットワークは多重解像度解析のアイデアを完全に組み合わせた。最初に,HR-T1wとHR-T2w間の連想記憶ネットワークを構築し,HR-T1wからHR-T1wの高周波特徴を異なるスケールで学習した。次に,2×および4×HR-T2w画像を生成するため,ダウンサンプリング4x LR-T2w特徴を有するHR-T1wから第一段階によって抽出されたマルチスケール高周波特徴を組み合わせるために,進行性再構成アプローチを提示した。2つの実際のMRIデータセットに関する実験結果は,提案した3D SR再構成ネットワークの有効性を示し,それは他の単一およびマルチモーダルネットワークと比較して改善された再構成性能を達成した。4x倍率でも,この方法は画像のエッジ詳細を効果的に復元できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  快適性 ,  ニューラルネットワーク ,  HF【周波数】 ,  連想記憶方式 ,  *超解像 ,  多モード ,  三次元 ,  *NMRイメージング ,  高分解能 ,  情報技術
準シソーラス用語： モダリティ ,  事前知識 ,  ダウンサンプリング ,  マルチスケール , 【Automatic Indexing@JST】

著者キーワード (4件)： 超解像 ,  MRI ,  多重解像度解析 ,  3Dニューラルネットワーク

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 多重分解能 ,  CNN ,  MR画像 ,  超解像