基于对抗学习的胸部 X 线图像骨骼抑制
图像与视频处理
2020-02-11 v1 计算机视觉与模式识别
机器学习
摘要
双能（DE）胸部 X 线摄影提供选择性成像两种临床相关物质（即软组织与骨性结构）的能力，以更好地表征多种胸部病变，并潜在改善后前位（PA）胸部 X 线诊断。然而，DE 成像需要专用硬件且比常规 X 线摄影辐射剂量更高，并有时因患者不自主运动产生运动伪影。本工作中，我们学习常规 X 线图像与骨骼抑制图像之间的映射。具体而言，我们提出利用两种生成对抗网络（GANs）变体进行由 DE 成像技术获取的常规与骨骼抑制 X 线图像间的图像到图像翻译。我们比较了以患者级配对与非配对 X 线图像训练的有效性。实验表明两种训练策略在留出测试集上均生成具有受抑骨结构与极少运动伪影的“放射真实”X 线图像。虽然以配对图像训练在采用结构相似性指数（SSIM）与峰值信噪比（PSNR）两项客观图像质量指标度量时性能略优于非配对图像，但以非配对图像训练在未见过的前后位（AP）X 线图像上展现出优于配对训练的泛化能力。
引用
@article{arxiv.2002.03073,
title = {Bone Suppression on Chest Radiographs With Adversarial Learning},
author = {Jia Liang and Yuxing Tang and Youbao Tang and Jing Xiao and Ronald M. Summers},
journal= {arXiv preprint arXiv:2002.03073},
year = {2020}
}
备注
Accepted by SPIE Medical Imaging 2020