用于脑 MR 到 PET 合成的双向映射生成对抗网络
图像与视频处理
2020-08-11 v1 机器学习
摘要
融合多模态医学图像（如 MR 与 PET）可提供关于人体的多种解剖或功能信息。但由于成本、辐射或其他限制，PET 数据常不可得。本文提出一种称为双向映射生成对抗网络（BMGAN）的 3D 端到端合成网络，其中图像上下文与潜向量被有效利用并联合优化以用于脑 MR 到 PET 的合成。具体而言，设计了一种双向映射机制，将 PET 图像的语义信息嵌入高维潜空间。并进一步利用 3D DenseU-Net 生成器架构与广泛的目标函数以提升合成结果的视觉质量。最吸引人之处在于，所提方法能在保留不同受试者多样脑结构的同时合成感知真实的 PET 图像。实验结果表明，在定量度量、定性展示与分类评估方面，所提方法的性能优于其他有竞争力的跨模态合成方法。
引用
@article{arxiv.2008.03483,
title = {Bidirectional Mapping Generative Adversarial Networks for Brain MR to PET Synthesis},
author = {Shengye Hu and Baiying Lei and Yong Wang and Zhiguang Feng and Yanyan Shen and Shuqiang Wang},
journal= {arXiv preprint arXiv:2008.03483},
year = {2020}
}
备注
12pages, 10 figures