基于内存高效三维可逆 GAN 的胸部 CT 超分辨率与域适应
图像与视频处理
2019-08-02 v1
摘要
近来，成对（如 Pix2pix）与非成对（如 CycleGAN）的图像到图像翻译方法已在医学成像任务中显示出有效性。然而在实践中，由于来自 MR 与 CT 扫描的此类数据体往往是三维的且具有高空间分辨率，逼近 GPU 硬件内存限制（通常用于训练这些模型），将这些深度模型应用于医学数据体可能是困难的。可逆神经网络领域近期的研究表明，可逆神经网络在训练时无需存储中间激活值。我们采用利用此性质的 RevGAN 模型来执行内存高效的部分可逆图像到图像翻译。我们通过对胸部 CT 数据体执行三维超分辨率与三维域适应任务来展示这一点。
引用
@article{arxiv.1908.00295,
title = {Chest CT Super-resolution and Domain-adaptation using Memory-efficient 3D Reversible GANs},
author = {Tycho F. A. van der Ouderaa and Daniel E. Worrall and Bram van Ginneken},
journal= {arXiv preprint arXiv:1908.00295},
year = {2019}
}
备注
MIDL 2019 [arXiv:1907.08612]