基于特征金字塔网络和密集网络的肺部CT图像超分辨率重建
Super-resolution reconstruction of lung CT images based on feature pyramid network and dense network作者机构:武汉科技大学计算机科学与技术学院武汉430081
出 版 物:《计算机应用》 (journal of Computer Applications)
年 卷 期:2023年第43卷第5期
页 面:1612-1619页
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0811[工学-控制科学与工程]
主 题:肺部计算机断层扫描图像 超分辨率重建 特征金字塔网络 密集网络 残差网络
摘 要:针对肺部计算机断层扫描(CT)图像的超分辨率(SR)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,提出一种基于特征金字塔网络(FPN)和密集网络的肺部图像SR重建方法。首先,在特征提取层利用FPN提取特征;其次,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连接此类局部结构;再次,在特征重建层利用卷积神经网络(CNN)将不同深度的卷积层逐渐降为图像大小;最后,利用残差网络融合初始低分辨率(LR)特征与重建的高分辨率(HR)特征,形成最终的SR图像。对比实验显示,FPN中2次特征融合和特征映射中5个局部结构连接的深度学习网络效果更佳。所提出的网络相较于超分辨率卷积神经网络(SRCNN)等经典网络重建SR图像的峰值信噪比(PSNR)更高,并且可以获得更好的视觉质量。