摘要
一种基于扩散模型的弥散磁共振图像超分辨率重建方法,包括以下步骤:1)对高分辨率弥散磁共振数据进行降采样和归一化处理,构建低分辨率‑高分辨率图像对及对应的T1加权图像作为训练样本;2)在扩散模型正向过程中,通过逐步添加高斯噪声并融合高低分辨率图像残差,使加噪结果逼近低分辨率图像分布;3)构建基于交叉注意力机制的网络架构,结合多尺度特征融合和T1加权图像的结构先验信息,学习不同噪声水平下弥散数据到高分辨率数据的映射关系;4)利用训练好的网络进行反向去噪过程,实现弥散磁共振图像的超分辨率重建。本发明通过融合多模态先验信息和渐进式上采样策略,显著提升了弥散磁共振图像的超分辨率重建质量。
技术关键词
结构先验信息
交叉注意力机制
多尺度特征融合
图像残差
磁共振成像数据
T1加权图像
深度学习网络
噪声图像
超分辨率
网络架构
分布特征
多模态
上采样
系统为您推荐了相关专利信息
多尺度特征融合
果实识别方法
多尺度Retinex算法
原始图像数据
多尺度特征提取
摔倒检测方法
特征提取模块
瓶颈特征
多任务损失函数
融合特征
卫星遥感图像
分析方法
汇流
交叉注意力机制
网格
文本
缺陷分割方法
图像编码器
交叉注意力机制
融合特征
双树复小波变换
探地雷达信号
瞬时属性提取
卷积神经网络模型
空洞识别方法