基于深度可分离卷积和宽残差网络的医学影像超分辨率重建

• 作者: 王丽芳 王晓晨 秦品乐 高媛
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 超分辨率 宽残差 深度可分离卷积 组归一化 残差块
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 2731-2737
• 页数: 7页
• 分类号: TP391.41
• 字数: 6012字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019030413

摘要

为提高医学影像超分辨率的重建质量,提出了一种基于深度可分离卷积的宽残差超分辨率神经网络算法.首先,利用深度可分离卷积改进网络的残差块,扩宽残差块中卷积层的通道,将更多的特征信息传入了激活函数,使得网络中浅层低级图像特征更容易地传播到高层,提高了医学影像超分辨率的重建质量;然后,采用组归一化的方法训练网络,将卷积层的通道维度划分为组,在每个组内计算归一化的均值和方差,使得网络训练过程更快地收敛,解决了深度可分离卷积扩宽通道数导致网络训练难度增加的问题,同时网络表现出更好的性能.实验结果表明,对比传统的最近邻插值、双三次插值超分辨率算法,以及基于稀疏表达的超分辨率算法,所提算法重建出的医学影像纹理细节更加丰富、视觉效果更加逼真.对比基于卷积神经网络的超分辨率算法,基于宽残差超分辨率神经网络算法和生成对抗网络超分辨率算法,所提算法在峰值信噪比(PSNR)和结构相似性(SSIM)上有显著的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丽芳	中北大学大数据学院	33	131	6.0	9.0
2	高媛	中北大学大数据学院	53	227	8.0	12.0
3	秦品乐	中北大学大数据学院	48	248	8.0	13.0
4	王晓晨	中北大学大数据学院	1	2	1.0	1.0