基于 XCAT 解剖学模型的 4D 语义心脏磁共振图像合成
图像与视频处理
2020-05-21 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
我们提出一种混合可控图像生成方法，用于合成具有解剖学意义的 3D+t 标注心脏磁共振（CMR）图像。我们的混合方法以机制性 4D eXtended CArdiac Torso（XCAT）心脏模型作为解剖学真值，并通过数据驱动的生成对抗网络（GAN）合成 CMR 图像。我们采用最先进的空间自适应反归一化（SPADE）技术进行条件图像合成，以保留真值解剖学的语义空间信息。利用 XCAT 心脏的参数化运动模型，我们为短轴视图在 18 个位置生成了一个心动周期中 25 个时间帧的心脏标注。随后，从这些标注生成具有模态特定特征的真实图像，这些特征从真实 CMR 图像数据中学习得到。我们展示了通过使用风格编码器网络，可以实现来自另一心脏图像的风格迁移。由于 XCAT 在创建新心脏模型方面的灵活性，该方法可生成真实的虚拟群体，以应对医学图像分析研究界面临的各种挑战，例如昂贵的数据收集。我们提出的方法具有极大潜力，可合成带有标注和可变风格的 4D 可控 CMR 图像，用于医学图像分析中各种有监督的多中心、多厂商应用。
引用
@article{arxiv.2002.07089,
title = {4D Semantic Cardiac Magnetic Resonance Image Synthesis on XCAT Anatomical Model},
author = {Samaneh Abbasi-Sureshjani and Sina Amirrajab and Cristian Lorenz and Juergen Weese and Josien Pluim and Marcel Breeuwer},
journal= {arXiv preprint arXiv:2002.07089},
year = {2020}
}
备注
Accepted to MIDL 2020