用于无对比增强血管造影图像合成的 CAS-GAN
图像与视频处理
2024-12-16 v3 计算机视觉与模式识别
摘要
碘造影剂在众多介入程序中广泛使用，但对患者构成显著健康风险。本文提出 CAS-GAN，一种新型 GAN 框架，作为“虚拟造影剂”，通过解耦表征学习和血管语义引导合成 X 射线血管造影图像，从而减少对碘造影剂的依赖。具体而言，我们的方法将 X 射线血管造影图像解耦为背景和血管成分，利用医学先验知识。随后，一个专用预测器学习这些成分之间的相互关系。此外，引入血管语义引导的生成器和相应的损失函数以增强生成图像的视觉保真度。在 XCAD 数据集上进行实验，结果表明 CAS-GAN 实现了 state-of-the-art 性能，FID 为 5.87，MMD 为 0.016。这些有前景的结果突显了 CAS-GAN 在临床应用中的潜力。
引用
@article{arxiv.2410.08490,
title = {CAS-GAN for Contrast-free Angiography Synthesis},
author = {De-Xing Huang and Xiao-Hu Zhou and Mei-Jiang Gui and Xiao-Liang Xie and Shi-Qi Liu and Shuang-Yi Wang and Hao Li and Tian-Yu Xiang and Zeng-Guang Hou},
journal= {arXiv preprint arXiv:2410.08490},
year = {2024}
}
备注
IEEE Symposium Series on Computational Intelligence (SSCI 2025)