用于数据增强的脑微出血对抗循环一致合成
图像与视频处理
2021-01-19 v1 计算机视觉与模式识别
摘要
我们提出了一种用于数据增强的可控病理图像合成新框架。受 CycleGAN 启发，我们在健康与病理两个域之间执行循环一致的图像到图像翻译。在语义掩码引导下，对抗训练的生成器在健康图像的指定位置合成病理。我们在创伤性脑损伤患者的脑微出血机构数据集上展示了该方法。我们将用本方法合成的图像用于脑微出血检测的数据增强。用合成图像丰富训练数据集显示出提升创伤性脑损伤患者脑微出血检测性能的潜力。
引用
@article{arxiv.2101.06468,
title = {Adversarial cycle-consistent synthesis of cerebral microbleeds for data augmentation},
author = {Khrystyna Faryna and Kevin Koschmieder and Marcella M. Paul and Thomas van den Heuvel and Anke van der Eerden and Rashindra Manniesing and Bram van Ginneken},
journal= {arXiv preprint arXiv:2101.06468},
year = {2021}
}
备注
Accepted in Medical Imaging meets NIPS Workshop, NIPS 2020