用于配对胸部 X 光数据增强的对抗性肺部病理翻译
图像与视频处理
2020-01-23 v2 计算机视觉与模式识别
摘要
近期工作表明，生成对抗网络（GANs）可成功应用于胸部 X 光数据增强以进行肺部疾病识别。然而，不完美生成器所产生的看似不合理且扭曲的病理特征可能导致错误的临床决策。为何不保留原始病理区域？我们提出一种新方法，使生成模型能生成包含未扭曲病理区域的高质量合理图像。主要思路是设计基于图像到图像翻译网络的训练方案，在病理真值区域周围引入新肺部特征的变异。此外，我们的模型能够同时利用带标注的疾病图像与未标注的健康肺部图像进行生成。我们在两项任务上证明了模型的有效性：（i）邀请认证放射科医生评估生成合成图像相对于真实图像及其他最先进生成模型的质量；（ii）数据增强以提升疾病定位性能。
引用
@article{arxiv.1910.04961,
title = {Adversarial Pulmonary Pathology Translation for Pairwise Chest X-ray Data Augmentation},
author = {Yunyan Xing and Zongyuan Ge and Rui Zeng and Dwarikanath Mahapatra and Jarrel Seah and Meng Law and Tom Drummond},
journal= {arXiv preprint arXiv:1910.04961},
year = {2020}
}
备注
Code: https://github.com/yunyanxing/pairwise_xray_augmentation - Accepted to the International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2019