CT-SGAN：计算机断层扫描合成生成对抗网络
图像与视频处理
2021-11-08 v2 计算机视觉与模式识别
摘要
数据的多样性对于深度学习模型的成功训练至关重要。借助循环生成对抗网络，我们提出了 CT-SGAN 模型，该模型在小型胸部 CT 扫描数据集上训练后，能够生成大规模 3D 合成 CT 扫描体数据（）。CT-SGAN 为医学影像机器学习面临的两大主要挑战提供了极具吸引力的解决方案：给定的独立同分布训练数据数量少，以及患者数据共享限制阻碍了快速获取更大、更多样化的数据集。我们使用包括 Fréchet Inception Distance 和 Inception Score 在内的多种指标，对生成图像的保真度进行了定性和定量评估。我们进一步表明，通过在大量合成数据上预训练分类器，CT-SGAN 能够显著提高肺结节检测的准确率。
引用
@article{arxiv.2110.09288,
title = {CT-SGAN: Computed Tomography Synthesis GAN},
author = {Ahmad Pesaranghader and Yiping Wang and Mohammad Havaei},
journal= {arXiv preprint arXiv:2110.09288},
year = {2021}
}
备注
In Proceedings of MICCAI Deep Generative Models workshop, October 2021