基于可训练局部拉普拉斯滤波器的可解释 X 射线风格迁移
计算机视觉与模式识别
2025-01-27 v2 人工智能
机器学习
摘要
放射科医生对 X 射线图像有偏好的视觉印象或“风格”，这些风格需手动调整以满足诊断需求。本文通过引入可训练版本的局部拉普拉斯滤波器（LLF），提出了一种自动且可解释的 X 射线风格迁移方法。从 LLF 优化后的重映射函数形状，可以推断风格迁移的特性并确保算法的可靠性。此外，我们用多层感知机（MLP）替换重映射函数并添加可训练归一化层，使 LLF 能够捕捉复杂的 X 射线风格特征。我们通过将未处理的乳腺 X 射线图像转换为与目标乳腺片风格匹配的图像，验证了所提方法的有效性，结构相似性指数（SSIM）达到 0.94，而 Aubry 等人基于 LLF 的基线风格迁移方法仅为 0.82。
引用
@article{arxiv.2411.07072,
title = {An Interpretable X-ray Style Transfer via Trainable Local Laplacian Filter},
author = {Dominik Eckert and Ludwig Ritschl and Christopher Syben and Christian Hümmer and Julia Wicklein and Marcel Beister and Steffen Kappler and Sebastian Stober},
journal= {arXiv preprint arXiv:2411.07072},
year = {2025}
}