《表5 MRI数据集在不同网络上的PSNR/SSIM》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于深度学习网络的医学核磁共振成像超分辨率重构实验》
经过各个深度网络模型的训练,各个模型在本文的MR数据集中得出结果具有明显的体现。从图5和表5可以看出,ESRGAN算法从视觉上的纹理更加丰富。SRFBN算法的PSNR指标和SSIM指标相对其他算法的指标更加突出。本文可以得出这样的结论:首先,针对同一个网络,不同的器官部位的SR效果明显不同,这主要是由于各个器官的原始分辨率,采集过程中的磁场强度,以及该器官自由水和结合水的比重等多原因引起。其次,本文可以针对不同部位,定制化设计出一种专门适应于此器官的网络。表5中虽然RDN网络在头颈、乳房、膝盖等器官中表现并不突出,但该网络明显在头颅中的PSNR/SSIM为38.05/0.9565,较其他网络更好,这说明不同靶器官可以定制化设计超分辨率网络。
图表编号 | XD00215131700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 刘家奇、刘环宇、李君宝 |
绘制单位 | 哈尔滨工业大学自动化测试与控制研究所、哈尔滨工业大学自动化测试与控制研究所、哈尔滨工业大学自动化测试与控制研究所 |
更多格式 | 高清、无水印(增值服务) |