avatar avatar 我的文献 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 高媛; 王晓晨; 秦品乐; 王丽芳 单位 中北大学大数据学院山西省太原市 期刊 计算机应用 时间 关键词 超分辨率; 宽残差; 深度可分离卷积; 组归一化; 残差块
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可以更容易的传播到高层,增强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,使得网络训练过程具有了更快的收敛性,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PSNR和SSIM上有显著的提升。
下载 浏览 cnki {{liketext}}
©2019 - iData {{ message }} 关闭