医学图像模态的对抗式修复
计算机视觉与模式识别
2019-11-26 v1
摘要
诸多因素可能导致医学图像出现局部劣化。例如，金属植入物会在 MRI 扫描中引起局部扰动。这将影响进一步的后处理任务，如 PET/MRI 中的衰减校正或放射治疗规划。在本工作中，我们提出通过生成对抗网络（GANs）对医学图像进行修复。所提出的框架结合了两个不同的基于块的判别器网络，并引入额外的风格损失与感知损失，以真实细节丰富且上下文一致的方式修复缺失信息。在两种不同的医学模态上，该框架在定性与定量方面均优于其他自然图像修复技术。
引用
@article{arxiv.1810.06621,
title = {Adversarial Inpainting of Medical Image Modalities},
author = {Karim Armanious and Youssef Mecky and Sergios Gatidis and Bin Yang},
journal= {arXiv preprint arXiv:1810.06621},
year = {2019}
}
备注
To be submitted to ICASSP 2019