Pixel Attention Based Deep Neural Network for Chest CT Image Super Resolution

Pixel Attention Based Deep Neural Network for Chest CT Image Super Resolution

International Conference on Advanced Network Technologies and Intelligent Computing ANTIC 2022: Advanced Network Technologies and Intelligent Computing pp 393–407 P. Rajeshwari & K. Shyamala 

概要

高解像度の胸部 CT スキャン画像は、肺関連疾患を正確に診断するのに役立ちます。 一般に、CT スキャン マシンで使用される高度なハードウェアほど、より高解像度の画像が生成されます。 しかし、それはよりコストのかかるアプローチです。 この制限は、CT マシンから生成された画像の後処理で克服できます。 画像が拡大されても、画像の品質は保持されるべきです。 そのため、低解像度画像から高解像度画像を再構成するプロセスは、画像超解像度として知られています。 ハードウェアと超解像度ディープ ニューラル ネットワークの最近の進歩により、効率的な方法で高解像度画像を再構成できるようになりました。 客観的な品質指標である Peak-Signal-to-Noise-Ratio は、SR ディープ モデルのパフォーマンスを評価します。 この論文では、胸部CTスキャン医用画像超解像のためのピクセルアテンションベースのディープニューラルネットワーク、MediSRを提案しました。 モデルは 2 つの胸部 CT データセットを使用してトレーニングされ、実験結果は 2xそして4×既存の文献に対する倍率 で 1.78% および 18.23% の改善を示しました。

 

Abstract The High-Resolution chest CT scan images help to diagnose lung related diseases accurately. In general, the more advanced hardware used in CT Scan machines, the more high resolution images will be generated. But it is a costlier approach. This limitation can be overcome with the post processing of the images generated from the CT machine. Even when the image is upscaled, the quality of the image should be retained. So, the process of reconstructing the High-Resolution images from the Low-Resolution images is known as Image Super-Resolution. The recent advancements in hardware and Super Resolution deep neural networks enabled reconstructing High-Resolution images in an efficient way. The objective quality metric Peak-Signal-to-Noise-Ratio evaluates the performance of a SR deep model. In this paper, proposed a pixel attention based deep neural network, MediSR for chest CT scan medical image Super-Resolution. The model is trained with two chest CT datasets and the experimental results showed an improvement of 1.78% and 18.23% for the 2×and 4scale factors over the existing literature.