Unpaired MRI Super Resolution with Contrastive Learning

要約

磁気共鳴画像法 (MRI) は、臨床現場での診断精度を高めるために非常に重要です。
ただし、MRI はスキャン時間が長いため、その広範な適用が制限されています。
深層学習ベースの画像超解像度 (SR) 手法は、追加コストをかけずに MRI 解像度を向上させることが期待できます。
位置合わせされた高解像度 (HR) および低解像度 (LR) MRI 画像ペアが不足しているため、ペアになっていない MRI 画像を使用した SR 再構成には教師なしアプローチが広く採用されています。
ただし、これらの方法でもトレーニングには相当数の HR MRI 画像が必要であり、取得が困難な場合があります。
この目的を達成するために、限られた HR トレーニング データで SR パフォーマンスを向上させるために対照学習を採用する、対応のない MRI SR アプローチを提案します。
この研究で提示された経験的結果は、利用可能な HR 画像が不足している場合でも、ピーク信号対雑音比と構造類似性指数が大幅に向上していることを強調しています。
これらの発見は、HRトレーニングデータが限られているという課題に対処する際の私たちのアプローチの可能性を強調し、それによって臨床応用におけるMRIの進歩に貢献します。

要約(オリジナル)

Magnetic resonance imaging (MRI) is crucial for enhancing diagnostic accuracy in clinical settings. However, the inherent long scan time of MRI restricts its widespread applicability. Deep learning-based image super-resolution (SR) methods exhibit promise in improving MRI resolution without additional cost. Due to lacking of aligned high-resolution (HR) and low-resolution (LR) MRI image pairs, unsupervised approaches are widely adopted for SR reconstruction with unpaired MRI images. However, these methods still require a substantial number of HR MRI images for training, which can be difficult to acquire. To this end, we propose an unpaired MRI SR approach that employs contrastive learning to enhance SR performance with limited HR training data. Empirical results presented in this study underscore significant enhancements in the peak signal-to-noise ratio and structural similarity index, even when a paucity of HR images is available. These findings accentuate the potential of our approach in addressing the challenge of limited HR training data, thereby contributing to the advancement of MRI in clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google