基于条件生成对抗网络的 COVID-19 CT 图像合成
图像与视频处理
2020-12-04 v2 计算机视觉与模式识别
机器学习
摘要
2019冠状病毒病（COVID-19）是一场自2019年12月以来迅速传播的持续全球大流行。实时逆转录聚合酶链反应（rRT-PCR）与胸部计算机断层扫描（CT）成像在COVID-19诊断中均发挥着重要作用。胸部CT成像具有报告快速、成本低以及对肺部感染检测灵敏度高的优点。近年来，基于深度学习的计算机视觉方法在包括X射线、磁共振成像和CT成像在内的医学影像应用中展现出巨大潜力。然而，训练深度学习模型需要大量数据，且由于该疾病的高传染性，医务人员在收集COVID-19 CT数据时面临高风险。另一个问题是缺乏可用于数据标注的专家。为满足COVID-19 CT成像的数据需求，我们提出了一种基于条件生成对抗网络（conditional generative adversarial network）的CT图像合成方法，能够有效生成高质量且逼真的COVID-19 CT图像，用于基于深度学习的医学影像任务。实验结果表明，所提方法在生成的COVID-19 CT图像上优于其他最先进的图像合成方法，并在包括语义分割与分类在内的多种机器学习应用中展现出良好前景。
引用
@article{arxiv.2007.14638,
title = {COVID-19 CT Image Synthesis with a Conditional Generative Adversarial Network},
author = {Yifan Jiang and Han Chen and Murray Loew and Hanseok Ko},
journal= {arXiv preprint arXiv:2007.14638},
year = {2020}
}
备注
Accepted by IEEE Journal of Biomedical and Health Informatics (J-BHI)