3D Volumetric Super-Resolution in Radiology Using 3D RRDB-GAN

要約

この研究では、放射線画像の 3D 超解像度のための 3D Residual-in-Residual Dense Block GAN (3D RRDB-GAN) を導入します。
3D RRDB-GAN の重要な側面は、2.5D 知覚損失関数の統合であり、これは体積画像の品質とリアリズムの向上に貢献します。
私たちのモデルの有効性は、Mice Brain MRH、OASIS、HCP1200、MSD-Task-6 を含むさまざまなデータセットにわたる 4 倍の超解像度実験を通じて評価されました。
これらの評価は、LPIPS や FID などの定量的メトリクスと、サンプルの視覚化による定性的評価の両方を含み、詳細な画像分析におけるモデルの有効性を実証します。
3D RRDB-GAN は、特に医療画像の深さ、明瞭さ、体積の詳細を強化することにより、医療画像処理に大きく貢献します。
そのアプリケーションは、包括的な 3D の観点から複雑な医療画像の解釈と分析を強化することが期待されています。

要約(オリジナル)

This study introduces the 3D Residual-in-Residual Dense Block GAN (3D RRDB-GAN) for 3D super-resolution for radiology imagery. A key aspect of 3D RRDB-GAN is the integration of a 2.5D perceptual loss function, which contributes to improved volumetric image quality and realism. The effectiveness of our model was evaluated through 4x super-resolution experiments across diverse datasets, including Mice Brain MRH, OASIS, HCP1200, and MSD-Task-6. These evaluations, encompassing both quantitative metrics like LPIPS and FID and qualitative assessments through sample visualizations, demonstrate the models effectiveness in detailed image analysis. The 3D RRDB-GAN offers a significant contribution to medical imaging, particularly by enriching the depth, clarity, and volumetric detail of medical images. Its application shows promise in enhancing the interpretation and analysis of complex medical imagery from a comprehensive 3D perspective.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google