用于缺血性脑卒中病灶分割的 CT 到 MR 条件生成对抗网络
图像与视频处理
2019-05-01 v1 计算机视觉与模式识别
机器学习
摘要
急性卒中导致的梗死脑组织在扩散加权磁共振成像 (DWI) 中易表现为高信号区域。鉴于速度与可及性的提升以及成本的降低，也有提议改用计算机断层灌注 (CTP) 对卒中患者进行分诊。然而，与 MR 相比，CTP 的信噪比更低。本工作中，我们探究生成对抗网络是否能够学习条件映射，将 CTP 输入映射为生成的 MR DWI，从而更清晰地勾勒出缺血卒中所致的高信号区域。我们详述了生成器与判别器的架构，并描述了用于从多模态 CT 灌注图到扩散加权 MR 输出进行图像到图像转换的训练过程。我们从定性（生成 MR 与真值的视觉对比）与定量（训练全卷积神经网络利用生成的 MR 数据输入进行缺血性脑卒中病灶分割）两方面评估结果。与使用仅含 CT 灌注输入的网络相比，使用生成的 CT-to-MR 输入训练的分割网络在所采用的各项评估指标上均至少有一定提升。
引用
@article{arxiv.1904.13281,
title = {CT-To-MR Conditional Generative Adversarial Networks for Ischemic Stroke Lesion Segmentation},
author = {Jonathan Rubin and S. Mazdak Abulnaga},
journal= {arXiv preprint arXiv:1904.13281},
year = {2019}
}
备注
Seventh IEEE International Conference on Healthcare Informatics (ICHI 2019)