多模态 CT 扫描,包括非造影 CT、CT 灌注和 CT 血管造影,广泛用于急性中风诊断和治疗计划。虽然每种成像模式在脑横截面特征可视化方面都有其优势,但不同模式的图像分辨率不同,这妨碍了放射科医生辨别一致但细微的可疑发现的能力。此外,更高的图像质量需要更高的辐射剂量,从而增加白内障形成和癌症诱发等健康风险。在这项工作中,我们提出了一种基于深度学习的方法 Transfer-GAN,该方法利用生成对抗网络和迁移学习来提高多模态 CT 图像分辨率并降低必要的辐射暴露。通过大量实验,我们证明,与不学习先验知识的训练相比,从多模态 CT 进行的迁移学习提供了显着的可视化和数量增强。