3、医学影像中的图像合成与超分辨率技术

医学影像中的图像合成与超分辨率技术

一、图像合成相关内容

1.1 医学影像合成示例

在医学影像领域，图像合成有着重要的应用。例如，仅需三对受试者的 3D 图像就能提供足够的训练数据。当合成大脑外部（如皮肤、脂肪、肌肉）的数据时，采用包含从三个图像尺度获取的平均图像值“星座”的图像块，可提升性能。通过结合多种采集数据（如 T1w、T2w 和 PDw），能在同一框架内改善液体衰减反转恢复（FLAIR）图像的合成效果，更清晰地显示多发性硬化（MS）患者常见的白质病变。

1.2 MRI 扫描归一化

1.2.1 MRI 扫描的问题

与 CT 等模态不同，MRI 并非本质上的定量成像技术，尤其是常见的结构 T1w 和 T2w 序列。采集的强度特性受多种脉冲序列参数影响，强度特性的差异会导致自动图像分割算法和其他定量分析结果出现显著差异。不同扫描仪制造商的采集数据在脑和病变体积测量方面，扫描仪间的差异明显大于扫描仪内的差异。即使仔细匹配 MRI 脉冲序列，不同站点的脑体积测量仍存在显著差异。

1.2.2 解决扫描强度差异的方法

• 统计建模和直方图对齐 ：包括统计建模以及使用线性或分段线性变换对齐图像直方图。但这种方法改变了全局直方图，未解决局部对比度差异问题，且假设匹配的两个图像全局直方图相似，当图像存在病理差异时，该假设不成立，会导致结果不准确。
• 基于示例的图像合成 ：多数方法需要包含输入采集和输出采集示例的配对训练数据。例如，基于示例的深度学习技术用于配对协调，利用同一组患者在扫描仪硬