用于 PET 合成的基于分割引导风格生成对抗网络的三维分割引导方法
图像与视频处理
2023-06-06 v1 计算机视觉与模式识别
摘要
全剂量正电子发射断层扫描（PET）成像中潜在的放射性危害仍令人担忧，而低剂量图像的质量在临床使用中从来不尽如人意。因此，将低剂量 PET 图像转换为全剂量图像具有重大意义。以往基于深度学习的研究通常直接提取分层特征进行重建。我们注意到各特征的重要性不同，应以不同权重加以处理，以使微小信息能被神经网络捕捉。此外，在某些应用中，对若干感兴趣区域的合成十分重要。在此我们提出一种新颖的分割引导风格生成对抗网络（SGSGAN）用于 PET 合成。（1）我们提出一种采用风格调制的基于风格的生成器，其在转换过程中专门控制分层特征，以生成具有更真实纹理的图像。（2）我们采用一种任务驱动策略，将分割任务与生成对抗网络（GAN）框架耦合以提升转换性能。大量实验表明我们的整体框架在 PET 合成上的优越性，尤其在那些感兴趣区域上。
引用
@article{arxiv.2205.08887,
title = {3D Segmentation Guided Style-based Generative Adversarial Networks for PET Synthesis},
author = {Yang Zhou and Zhiwen Yang and Hui Zhang and Eric I-Chao Chang and Yubo Fan and Yan Xu},
journal= {arXiv preprint arXiv:2205.08887},
year = {2023}
}
备注
This article has been accepted for publication in a future issue of this journal, but has not been fully edited. Content may change prior to final publication. Citation information: DOI 10.1109/TMI.2022.3156614, IEEE Transactions on Medical Imaging