通过合成建立关联：基于生成对抗网络的端到端结节图像生成与放射基因组图学习
计算机视觉与模式识别
2019-07-09 v1 图像与视频处理
摘要
联系图像特征与基因表达谱的放射基因组图有助于非侵入性地识别特定类型疾病的分子特性。传统上，该图通过三个独立步骤生成：1）基因聚类为“元基因”，2）图像特征提取，3）元基因与图像特征间的统计关联。每一步均独立进行并依赖任意度量。本工作中，我们探究一种端到端方法，将基因数据与图像特征融合以生成合成图像并同时学习放射基因组图。为实现此目标，我们开发了以背景图像和基因表达谱为条件的生成对抗网络（GAN），合成相应图像。图像与基因特征在不同尺度上融合，以确保合成图像的逼真度与质量。我们在非小细胞肺癌（NSCLC）数据集上测试了该方法。结果表明，所提方法生成逼真的合成图像，并为以整体端到端方式发现基因-图像关系提供了有前景的途径。
引用
@article{arxiv.1907.03728,
title = {Correlation via synthesis: end-to-end nodule image generation and radiogenomic map learning based on generative adversarial network},
author = {Ziyue Xu and Xiaosong Wang and Hoo-Chang Shin and Dong Yang and Holger Roth and Fausto Milletari and Ling Zhang and Daguang Xu},
journal= {arXiv preprint arXiv:1907.03728},
year = {2019}
}