基于高质量码本先验的磁共振图像超分辨率方法OA

受扫描条件限制,临床实践中高分辨率(High-resolution,HR)磁共振(Magnetic Resonance,MR)图像的获取面临显著挑战.超分辨率(Super-resolution,SR)作为能够有效提升图像分辨率的后处理方法,在提升MR图像空间分辨率、辅助临床诊断上有重要意义.当前的MR图像SR方法主要通过深度神经网络直接建立低分辨率(Low-resolution,LR)图像与HR图像间的映射关系,然而,LR图像在退化过程中丢失了大量高频信息,仅依赖其有限信息难以实现高质量细节纹理重建.为提升细节纹理重建精度,本文首次将码本学习引入MR图像SR领域,通过码本模块从HR图像学习先验信息,进而指导LR图像的SR过程.具体而言,本文设计了一个含有两阶段的高质量码本先验网络模型(Codebook Prior Network,CPNet).在第一阶段,采用HR图像预训练编码器-解码器网络以提取高质量码本先验;在第二阶段,设计了交叉通道注意力融合模块,以便将第一阶段获得的码本先验融入SR网络.此外,为增强网络的特征提取能力,设计了一个新型门控卷积Transformer块作为网络的基础层.实验证明了所提SR方法的有效性,达到了当前先进水平.尤其是码本先验的引入,显著提高了网络对细节纹理的恢复能力.