用于可视化慢性阻塞性肺病胸部X光片进展的对抗回归训练
图像与视频处理
2020-07-27 v1 计算机视觉与模式识别
图形学
摘要
了解深度学习方法将医学图像中的哪些空间元素作为证据，对于模型的可解释性、可信度和验证至关重要。目前缺乏用于回归任务模型的此类技术。我们提出了一种称为基于生成对抗网络的回归可视化（VR-GAN）的方法，专门针对包含表征疾病严重程度回归目标值的数据集构建对抗训练。我们使用条件生成对抗网络，其中生成器试图通过创建添加到原始图像上的疾病效应图，来学习移动回归器的输出。同时，回归器被训练为预测修改后图像的原始回归值。使用该技术训练的模型能够学习提供图像在不同疾病阶段外观的可视化。我们在与肺功能检查相关的胸部X光片数据集中分析了我们的方法，该数据集用于诊断慢性阻塞性肺病（COPD）。为了进行验证，我们计算了同一患者在不同时间点的两张配准X光片的差异，并将其与生成的疾病效应图相关联。所提出的方法优于基于分类的技术，并提供了逼真的图像，对图像的修改遵循了放射科医生通常对该疾病的观察结果。实现代码可在 https://github.com/ricbl/vrgan 获取。
引用
@article{arxiv.1908.10468,
title = {Adversarial regression training for visualizing the progression of chronic obstructive pulmonary disease with chest x-rays},
author = {Ricardo Bigolin Lanfredi and Joyce D. Schroeder and Clement Vachet and Tolga Tasdizen},
journal= {arXiv preprint arXiv:1908.10468},
year = {2020}
}
备注
Accepted for MICCAI 2019