计算机应用研究

作者：郑智震,郑茜颖,俞金玲,

单位：福州大学物理与信息工程学院,福州350108；

关键词：层间超分辨率,卷积神经网络,三维医学图像,形变估计,

基金：国家自然科学基金资助项目(62271151)；福建省科技厅重点产业引导项目(2020H0007)；；

针对医学断层图像层间分辨率较低的问题，提出了基于形变估计与运动补偿的医学CT图像层间超分辨率算法用于生成切片间图像，从而提高层间分辨率。首先利用U-Net对相邻两幅图像作多尺度特征提取与融合；其次，为了处理层间图像的复杂形变，使用基于自适应协作流的变形扭曲模块来实现相邻切片间的双向形变估计，设计层级信息递进融合模块对金字塔特征层进行特征聚合，对生成图进行运动补偿；最后经过后处理网络以减少异常像素点。该算法在两种CT数据集上进行验证，平均PSNR值分别达到了35.59 dB和30.76 dB，输出图能较好地恢复图像细节。与现有的一些方法对比，相关实验证明了该算法的有效性。

来源：2024年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第4期