一种注意力机制的多尺度特征融合MRI重建_李蓥楠.pdf
《一种注意力机制的多尺度特征融合MRI重建_李蓥楠.pdf》由会员分享,可在线阅读,更多相关《一种注意力机制的多尺度特征融合MRI重建_李蓥楠.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷 第期青 岛 大 学 学 报(工 程 技 术 版)年 月 ()文章编号:();:一种注意力机制的多尺度特征融合 重建李蓥楠,迟洁茹,苑腾飞,李玉楷(青岛大学电子信息学院,山东 青岛 )摘要:针对深度卷积神经网络重建磁共振图像存在的高频细节纹理丢失问题,本文提出一种注意力机制的多尺度特征融合磁共振成像(,)重建。在 模型基础上,采用参考图像的特征,约束低分辨磁共振图像的重建,并引入多尺度特征挤压注意力(,)模块,建立跨通道信息交互,在通道维度上对多尺度特征层进行特征提取并融合,强化高频细节纹理的特征信息,提高磁共振图像重建的分辨率。同时,为验证所提注意力模块的有效性,保持其他参数不变,在测
2、试集上分别对网络加入的注意力模块前后进行对比实验。实验结果表明,本文所提出的 ,能提高图像的重建质量,使图像获得更丰富的信息,各项指标均达到最优,重建结果纹理清晰,接近于真实图像,更能满足人类的视觉感受,而且网络在峰值信噪比和结构相似性等质量评价指标方面均得到较大改善,在定量评估上明显优于其他网络,而且通过不同尺度注意力相融合,使网络在小数据集上就可明显提升图像的感知质量。该研究具有较大的应用价值。关键词:超分辨率重建;特征融合;注意力机制;深度学习;神经网络中图分类号:;文献标识码:收稿日期:;修回日期:基金项目:山东省自然科学基金资助项目()作者简介:李蓥楠(),女,硕士研究生,主要研究方
3、向为磁共振图像重建。通信作者:迟洁茹(),女,教授,主要研究方向为人工智能与图像处理。:由于 具有良好的软组织分辨率、无辐射和高对比等优点已成为医学诊断、疾病分期和临床研究不可或缺的工具。系统可通过脉冲序列的灵活配置获得包含重要生理和病理特征的多对比度(,)图像,如、和质子密度(,)加权图像,有助于临床诊断及准确决策。由于 扫描时间较长,不仅增加患者的痛苦,还会因生理运动使图像存在不同程度的运动伪影,影响成像质量。因此,加速扫描获得高分辨率(,)的 已成为磁共振领域重要的研究内容。目前,超分辨率(,)重建技术,可在不改变 系统的硬件和扫描组件情况下,显著提高 成像质量 。近年来,随着深度学习的
4、快速发展,基于深度卷积神经网络(,)的超分辨率方法被应用于 超分辨率重建 。等人首次应用卷积神经网络进行 超分辨率重建;等人提出了一种专门用于心脏磁共振成像的深度卷积神经网络;等人 首先插值放大低分辨率(,)图像,并通过层 恢复 系统中大脑结构的细节。在神经网络中,嵌入注意力模块可有效提高性能。等人 将 机制用于机器翻译任务,并取得了很好的效果;等人 使用通道注意力,通过关注不同通道之间的依赖关系,提高分类任务的准确性。目前,注意力机制仍存在个重要问题,首先是如何有效地获取和利用不同尺度空间信息丰富特征空间;其次是如何有效地捕获局部信息,建立跨通道信息交互。基于此,本文提出了一种多尺度特征挤压
5、注意力(,)模块,模块通过不同尺度卷积核提取多尺度特征,对多尺度特征分别提取通道注意力权重,融合后建立跨通道信息交互,使网络具有注意力驱动的远程依赖性。同时,利用 图像作为参考,提取特征进行重建约束 ,并将第期李蓥楠,等:一种注意力机制的多尺度特征融合 重建 模块应用到多参考网络,可提高超分辨率 的成像质量。该研究使图像的高频信息得以恢复,并达到较好的重建效果。研究方法零填充 图像 与其对应的高分辨率图像之间满足()()式中,为网络的重建函数;为逆傅立叶编码矩阵;表示厄米转置操作;表示欠采样掩模的对角矩阵;为傅立叶编码矩阵,与的关系满足;表示全空间数据。超分辨率重建的目标是找到最理想的逆函数。
6、超分辨率重建过程可表示为 ()()式中,为网络重建的超分辨率图像。采用多参考网络重建时,不仅使用,还使用一个不同对比度的高分辨率参考图像。问题可描述为 (),()()式中,为 范数,第一项是数据保真度项;第二项是正则化项,用于描述和 之间的结构相似性;是正则化参数。网络结构整体结构在 网络基础上引入多尺度特征挤压注意力模块,将网络分为编码器和解码器部分。编码器具有个结构完全一样的特征提取模块,分别用来提取参考图像 和低分辨率图像 的特征。每个特征提取模块均由层卷积和个残差块构成,其卷积核大小为,过滤器个数分别为,和 。解码器由层反卷积和个残差块构成,反卷积和编码器的卷积一一对应,过滤器数量分别
7、为 ,和。低分辨率图像特征和参考图像特征通过跳连和在通道维度上拼接后,输入解码器对应位置。另外,在解码器最后增加多尺度特征挤压注意力模块,建立跨通道信息交互,进一步提高重建图像的质量。网络整体结构如图所示。图网络整体结构 模块特征图中,不同通道的信息在重建中所起的作用不同,且不同通道之间存在一定的关联性。为此,本文提出了一种多特征挤压注意力模块,模块如图所示。将不同大小的卷积核作用于输入特征,提取输入特征不同尺度的空间信息,再以多分支并行处理的方式对空间信息进行挤压,得到每个分支通道注意力权重 ,对各分支对应的通道注意力权重进行融合后,构成多尺度特征挤压的通道注意力权重。多尺度卷积核作用于输入
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 注意力 机制 尺度 特征 融合 MRI 重建 李蓥楠
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。