基于带 AdaIN 的可切换 CycleGAN 的 CT 卷积核连续转换
计算机视觉与模式识别
2021-04-27 v2 机器学习
摘要
X 射线计算机断层扫描（CT）使用不同的滤波卷积核来突出不同结构。由于原始正弦图数据通常在重建后被删除，若后续需要未预先生成的其他类型卷积核图像，患者可能需再次扫描。因此，在不牺牲图像质量的前提下，对图像域进行卷积核间事后转换的需求日益增长。本文提出一种新颖的无监督连续卷积核转换方法，使用带自适应实例归一化（AdaIN）的循环一致生成对抗网络（cycleGAN）。即使没有配对训练数据，我们的网络不仅能在两种不同卷积核间翻译图像，还能沿两卷积核域之间的插值路径转换图像。我们还表明，若可获得中间卷积核域图像，生成图像的质量可进一步提升。实验结果证实，我们的方法不仅能实现可与监督学习方法媲美的精确卷积核转换，还能生成未见域中有用于下咽癌诊断的中间卷积核图像。
引用
@article{arxiv.2011.13150,
title = {Continuous Conversion of CT Kernel using Switchable CycleGAN with AdaIN},
author = {Serin Yang and Eung Yeop Kim and Jong Chul Ye},
journal= {arXiv preprint arXiv:2011.13150},
year = {2021}
}