融合注意力和空洞编码解码的3D-MRI超分辨率算法

来源：计算机工程与应用杂志2024年第13期北京时间：

作者：张金迪, 贾媛媛, 祝华正, 李洪碧, 杜井龙

单位：1.重庆医科大学 医学信息学院，重庆 400016；2.重庆科技学院 智能技术与工程学院，重庆 401331

摘要：为了提高脑部磁共振成像（MRI）图像的空间分辨率，目前基于深度卷积神经网络（CNN）的超分辨率（SR）重建方法已经取得了显著的效果。为了提高重建质量，可以通过增加深度或宽度扩大网络的感受野，但会因参数量大、消耗资源多等问题导致模型难以训练；同时，网络对图像的中高频特征关注度不足，影响了重建质量。针对以上问题，设计了一种基于注意力和空洞编码解码的3D-MRI图像超分辨率重建网络。在低分辨率空间进行特征提取，通过对称连接的空洞编码解码器提取图像特征，并缓解棋盘效应；构建串联的通道-空间注意力模块，利用通道注意力获取各特征通道间的相互依赖关系，根据空间注意力自动学习不同位置的特征的权重，有效增强网络对中高频信息的学习；使用亚像素卷积将特征图上采样到目标图像尺寸，降低模型的内存消耗。基于公开数据集Kirby21和BraTS的实验结果表明，相较于传统SR算法和基于CNN的主流SR算法，所提出的算法在峰值信噪比（PSNR）、结构相似度（SSIM）和主观视觉效果上均优于对比算法。

关键词：超分辨率重建,注意力机制,亚像素卷积,空洞卷积,3D-MRI