Derin öğrenme ile beyin MRI görüntülerinde süper çözünürlük: SRCNN, SRGAN ve ESRGAN yaklaşımları

Abstract

Tıbbi görüntüleme teknolojileri, hastalıkların doğru teşhis ve tedavisinde hayati bir öneme sahiptir. Beyin MRI görüntüleri, nörolojik hastalıkların tanı ve takibinde detaylı anatomik bilgi sunar. Ancak, teknik sınırlamalar ve donanım kapasiteleri nedeniyle elde edilen MRI görüntüleri çoğu zaman düşük çözünürlüklü olmaktadır. Bu çalışmanın amacı, düşük çözünürlüklü beyin MRI görüntülerini iyileştirmek için SRCNN (Super-Resolution Convolutional Neural Network), SRGAN (Super-Resolution Generative Adversarial Network) ve ESRGAN (Enhanced Super-Resolution Generative Adversarial Network) yöntemlerinin uygulanması ve karşılaştırılmasıdır. Modellerin performansları, görsel kalite, yapısal benzerlik indeksi (SSIM) ve tepe sinyal-gürültü oranı (PSNR) gibi ölçütlerle değerlendirilmiştir. Elde edilen bulgular, ESRGAN modelinin daha keskin detaylar ve daha gerçekçi görüntüler ürettiğini ortaya koymaktadır. Bu çalışma, derin öğrenme tabanlı süper çözünürlük tekniklerinin tıbbi görüntülemede sunduğu yenilikçi olanaklara dikkat çekmektedir.