医学图像通常需要重新缩放到各种空间分辨率,以确保在不同层面上的解释。传统的基于深度学习的图像超分辨率 (SR) 增强了固定尺度的分辨率。隐式神经表征 (INR) 是一种实现任意尺度图像 SR 的有前途的方法。然而,现有的基于 INR 的方法需要重复执行神经网络 (NN),这既慢又低效。在本文中,我们提出了用于快速任意尺度医学图像 SR 的神经显式表征 (NExpR)。我们的算法用显式解析函数表示图像,其输入是低分辨率图像,输出是解析函数的参数化。通过单个 NN 推理获得解析表示后,可以通过在所需坐标处评估显式函数来得出任意尺度的 SR 图像。由于解析显式表示,NExpR 比基于 INR 的方法快得多。除了速度之外,我们的方法还实现了与其他强大竞争对手相当或更好的图像质量。在磁共振成像 (MRI) 数据集(包括 ProstateX、fastMRI 和我们内部的临床前列腺数据集)以及计算机断层扫描 (CT) 数据集(特别是 Medical Segmentation Decathlon (MSD) 肝脏数据集)上进行的大量实验证明了我们方法的优越性。我们的方法将重新缩放时间从 1 毫秒的数量级缩短到 0.01 毫秒的数量级,实现了超过 100 倍的加速,同时不损失图像质量。代码可在 https://github.com/Calvin-Pang/NExpR 上找到。
赵欣教授于2013年获得中国科学技术大学博士学位。他的研究兴趣包括视频分析和性能评估,尤其针对目标跟踪任务。他发表过许多国际期刊和会议论文,例如IJCV、IEEE TPAMI、IEEE TIP、IEEE TCSVT、CVPR、ICCV、NeurIPS、AAAI、IJCAI。最近,他主要进行人机视觉评估方面的研究。他构建了多个广泛使用的计算机视觉基准测试集(例如GOT-10k、VideoCube、SOTVerse、Biodrone等)并建立了在线评估平台。他定期担任以下会议和期刊的程序委员会成员或同行评审员:CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、IJCV、IEEE TPAMI、IEEE TIP、IEEE TMM等。
ZQ ( 钱增强 ), Zhao P ( 赵鹏 ), Zhu J ( 祝娟 ), Yang YX ( 杨一 欣 ), Yan XH ( 阎晓昊 ), Li YJ ( 李银军 ), Zhao GF ( 赵桂仿 ) (2014) A review on studies of speciation in the presence of gene flow: evolution of reproductive isolation.Biodiversity Science ( 生物多样性 ), 22 , 88–96.(in Chinese with English abstract) Liu TY ( 刘铁燕 ), Chen MS ( 陈明生 ) (2014) Genome evolu-
赵海洋、罗可欣、刘梅寒、赵永胜、张红攀。除了现有的附属机构外,他们还应该有中国四川省南充市川北医学院附属医院。更正后的单位如下: 赵海洋 1,2,3,4,† ,罗可欣 1,2,3,4,† ,刘梅涵 1,2,4,5,† ,蔡元泽 2 ,刘思曼 2 ,李诗娟 6 ,赵永胜 1,2,3,*,张红攀 1,2,5,7,* 1.川北医学院附属医院,四川省南充市 2.川北医学院附属医院胸外科,四川省南充市 5.川北医学院附属医院肿瘤科,四川省南充市 6.南充市中心医院,四川省南充市 7.四川省治疗性蛋白质重点实验室,四川省南充市原文已更新。
李坤艳湖南省肿瘤医院 余勤 四川大学华西第二医院 孙涛 辽宁省肿瘤医院 倪穗琴广州市第一人民医院 王淑民首都医科大学北京朝阳医院 元刚 中山大学附属第一医院 强生(中国)投资有限公司代表
讲师 • 时间 – 讲座:周二 14:00 至 15:00 – 实验室:周二 15:00~17:30,周五 14:00~17:30 • 讲师 – 赵健助理教授和王国兴教授 – 微电子学院,427 室