用于异质血管分割的解剖约束 CT 图像翻译
图像与视频处理
2022-10-05 v1 计算机视觉与模式识别
机器学习
摘要
增强 CT（ceCT）图像中的血管等解剖结构由于造影剂扩散的变异性而难以分割。ceCT 与无对比剂 CT（CT）图像的结合使用可改善分割性能，但代价是双倍的辐射暴露。为限制辐射剂量，可使用生成模型来合成某一模态图像，而非实际采集。CycleGAN 方法近来备受关注，因为它缓解了对难以获取的配对数据的需求。尽管文献中已展示出优异性能，但在处理由具有不同视场的非配对数据集逐切片生成的 3D 体数据时仍存在局限。我们提出了一种 CycleGAN 的扩展，以在此背景下生成具有高保真度和良好结构一致性的图像。我们通过适配自监督身体回归器（Self-Supervised Body Regressor）来利用解剖约束和自动感兴趣区域选择。这些约束强化了解剖一致性，并允许向算法输入解剖配对的图像。结果表明，在 ceCT 与 CT 图像间的翻译任务（及反向）上，与最先进的方法相比取得了定性和定量改进。
引用
@article{arxiv.2210.01713,
title = {Anatomically constrained CT image translation for heterogeneous blood vessel segmentation},
author = {Giammarco La Barbera and Haithem Boussaid and Francesco Maso and Sabine Sarnacki and Laurence Rouet and Pietro Gori and Isabelle Bloch},
journal= {arXiv preprint arXiv:2210.01713},
year = {2022}
}
备注
Accepted at BMVC 2022