利用成对与非成对数据的深度 CT 到 MR 合成
计算机视觉与模式识别
2018-09-05 v2
摘要
MR 成像将在肿瘤体积与器官的分割放疗治疗计划中扮演非常重要的角色。然而，基于 MR 的放疗受限于高成本以及老龄化社会中心脏起搏器与人工关节等金属植入物使用的增加。为提高基于 CT 的放疗计划精度，我们提出一种利用成对与非成对训练数据将 CT 图像翻译为 MR 图像的合成方法。与当前依赖稀疏成对对齐数据或大量非成对数据的医学图像合成方法不同，所提方法缓解了成对训练的刚性配准难题，并克服了非成对训练的上下文错位问题。我们训练了一个生成对抗网络，将 2D 脑部 CT 图像切片转换为 2D 脑部 MR 图像切片，结合了对抗损失、对偶循环一致损失与体素级损失。实验使用 202 名患者的 CT 与 MR 图像进行分析。与独立的成对训练与非成对训练方法的定性与定量比较证明了我们方法的优越性。
引用
@article{arxiv.1805.10790,
title = {Deep CT to MR Synthesis using Paired and Unpaired Data},
author = {Cheng-Bin Jin and Hakil Kim and Wonmo Jung and Seongsu Joo and Ensik Park and Ahn Young Saem and In Ho Han and Jae Il Lee and Xuenan Cui},
journal= {arXiv preprint arXiv:1805.10790},
year = {2018}
}
备注
23 pages, 7 figures, and 4 tables