用于增强放射组学研究的CT图像 harmonization
图像与视频处理
2021-07-06 v1 计算机视觉与模式识别
机器学习
摘要
尽管计算机断层扫描(CT)取得了显著进展，但以非标准化协议采集CT图像会导致放射组学特征的可重复性低，从而在大尺度CT图像分析中形成障碍。RadiomicGAN被开发用于有效缓解由非标准重建核引起的差异。RadiomicGAN由混合神经块组成，包括预训练层和可训练层，用于高效学习放射组学特征分布。一种称为基于动态窗口的训练(Dynamic Window-based Training)的新训练方法被开发出来，以将预训练模型平滑迁移到医学成像领域。使用1401个放射组学特征评估的模型性能表明，RadiomicGAN明显优于最先进的图像标准化模型。
引用
@article{arxiv.2107.01337,
title = {CT Image Harmonization for Enhancing Radiomics Studies},
author = {Md Selim and Jie Zhang and Baowei Fei and Guo-Qiang Zhang and Jin Chen},
journal= {arXiv preprint arXiv:2107.01337},
year = {2021}
}