基于反投影回归网络的医学图像超分辨率重建

Medical Image Super-Resolution Reconstruction Based on Back Projection Regression Network

摘要: 针对使用深度学习进行医学图像超分辨率重建时存在的欠定性问题, 提出了一种基于反投影回归网络的医学图像超分辨率重建算法. 该网络除了学习低分辨率到高分辨率图像的原始映射之外, 还学习一个对偶回归映射来预测退化核并重建出低分辨率图像, 形成一个闭环以提供额外的约束条件, 通过该约束减小低分辨率到高分辨率图像的映射空间, 从而缓解图像重建时的欠定性问题; 并在上采样和下采样过程中引入了反投影机制, 通过误差反馈来减少上、下采样时丢失的特征信息. 在PyTorch环境中, 与EDSR, DBPN, RCAN等算法在Mayo和TCGA-KICH数据集进行了对比实验. 结果表明, 所提算法的评价指标优于对比算法, 如Mayo数据集上2倍放大因子下, 所提算法的峰值信噪比高于对比算法0.12~1.41dB.