用于多模态脑MR图像转换的统一条件解耦框架
图像与视频处理
2021-06-08 v2 计算机视觉与模式识别
摘要
多模态MRI提供互补且临床相关的信息以探查组织状况和表征各种疾病。然而，由于研究方案的限制，通常难以从同一受试者获取足够多的模态，而定量分析仍有需求。在本工作中，我们提出一个统一的条件解耦框架，以从输入模态合成任意模态。我们的框架基于循环约束的条件对抗训练方法，其中它可通过模态不可知编码器提取模态不变的解剖特征，并通过条件解码器生成目标模态。我们在BraTS'18数据库的四种MRI模态（包括T1加权、T1增强、T2加权和FLAIR MRI）上验证我们的框架，在合成质量上显示出优于对比方法的性能。此外，我们报告了使用合成数据进行的肿瘤分割任务实验结果。
引用
@article{arxiv.2101.05434,
title = {A Unified Conditional Disentanglement Framework for Multimodal Brain MR Image Translation},
author = {Xiaofeng Liu and Fangxu Xing and Georges El Fakhri and Jonghye Woo},
journal= {arXiv preprint arXiv:2101.05434},
year = {2021}
}
备注
Published in IEEE International Symposium on Biomedical Imaging (ISBI) 2021 for Oral presentation