用于从噪声数据转换医学图像的 Ambient-Pix2PixGAN
图像与视频处理
2024-02-05 v1 计算机视觉与模式识别
摘要
图像到图像的转换是计算机视觉中的一项常见任务，并且对医学影像领域的影响正在迅速增加。基于深度学习的条件生成对抗网络 (cGAN) 方法，如 Pix2PixGAN，已被广泛探索用于执行图像到图像的转换任务。然而，当考虑含噪声的医学图像数据时，这些方法不能直接应用于生成干净图像。最近，一种名为 AmbientGAN 的增强型 GAN 架构被提出，它可以基于噪声测量数据进行训练，以合成高质量的干净医学图像。受 AmbientGAN 的启发，在这项工作中，我们提出了一种新的 cGAN 架构，Ambient-Pix2PixGAN，用于利用噪声测量数据执行医学图像到图像的转换任务。我们进行了考虑 MRI 到 PET 转换的数值研究。我们采用了传统的图像质量指标和基于任务的图像质量指标来评估所提出的 Ambient-Pix2PixGAN。结果表明，我们提出的 Ambient-Pix2PixGAN 可以成功地在噪声测量数据上进行训练，以生成目标成像模态下的高质量转换图像。
引用
@article{arxiv.2402.01186,
title = {Ambient-Pix2PixGAN for Translating Medical Images from Noisy Data},
author = {Wentao Chen and Xichen Xu and Jie Luo and Weimin Zhou},
journal= {arXiv preprint arXiv:2402.01186},
year = {2024}
}
备注
SPIE Medical Imaging 2024