科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对肺部CT图像超分辨率重建中需要加大对肺结节的关注度、满足重建后的特征具有客观存在性等问题，提出了一种基于特征金字塔网络(FPN)和密集网络的肺部图像超分辨率重建方法。首先，在特征提取中用到特征金字塔网络，在特征映射层设计基于残差网络的局部结构，再用特殊的密集网络将局部结构连接；然后，在特征重建层用卷积神经网络(CNN)将不同深度的卷积层逐渐降为图像大小；最后，使用残差网络将初始低分辨率特征融入重建的高分辨率特征，形成最终的超分辨率图像。对比实验指出，特征金字塔网络中特征2次融合和特征映射中5个局部结构连接的深度学习网络效果更佳。所提方法取得的峰值信噪比（PSNR）结果相较于超分辨率卷积神经网络（SRCNN）取得的结果提升了0.05dB～1.09dB，并且优于非常深的超分辨率（VDSR）网络的性能。所提方法获得了较好的重建质量，并为医学图像超分辨率技术提供了新的思路。
- 单位
