BlindHarmony：基于流模型的磁共振图像“盲”协调方法
图像与视频处理
2023-08-17 v2 计算机视觉与模式识别
摘要
在MRI中，同一受试者相同对比度（如T）的图像，当使用不同硬件、序列或扫描参数采集时，会表现出明显差异。这些图像间的差异造成了领域鸿沟，需要通过称为图像协调（image harmonization）的步骤来弥合，以便使用传统或基于深度学习的图像分析（如分割）成功处理图像。已有多种方法（包括基于深度学习的方法）被提出以实现图像协调。然而，它们通常需要来自多个领域的深度学习训练数据集，且在应用于未见领域的图像时仍可能失败。为应对此局限，我们提出一种称为“盲协调（Blind Harmonization）”的新概念，其仅使用目标领域数据进行训练，但仍具备协调来自未见领域图像的能力。为实现盲协调，我们开发了BlindHarmony，使用在目标领域数据上训练的无条件流模型。协调后的图像被优化为与输入的源领域图像具有相关性，同时确保流模型的潜向量接近高斯分布的中心。BlindHarmony在模拟和真实数据集上进行了评估，并与传统方法比较。BlindHarmony在两个数据集上均表现出显著性能，凸显了其在临床环境中未来使用的潜力。源代码见：https://github.com/SNU-LIST/BlindHarmony
引用
@article{arxiv.2305.10732,
title = {BlindHarmony: "Blind" Harmonization for MR Images via Flow model},
author = {Hwihun Jeong and Heejoon Byun and Dong Un Kang and Jongho Lee},
journal= {arXiv preprint arXiv:2305.10732},
year = {2023}
}
备注
ICCV 2023 accepted. 9 pages and 5 Figures for manuscipt, supplementary included