用于增强模拟超声图像的深度图像翻译
计算机视觉与模式识别
2020-06-22 v1 机器学习
图像与视频处理
摘要
基于光线追踪的超声模拟能够合成高度逼真的图像，可作为培训超声医师的交互式教育工具。然而，由于计算需求高，图像质量与交互性之间存在权衡，在交互速率下可能导致次优结果。本工作引入一种基于对抗训练的深度学习方法来缓解这一权衡，以恒定计算时间提升模拟图像质量。我们利用图像到图像翻译框架将低质量图像翻译为高质量版本。为融入可能在低质量图像中丢失的解剖信息，我们额外向图像翻译提供分割图。此外，我们提议利用声衰减图中的信息以更好地保留声影与方向性伪影，这是超声图像解读中极具价值的特性。所提方法在 Fréchet Inception Distance 上提升 7.2%，在基于块的 Kullback-Leibler 散度上提升 8.9%。
引用
@article{arxiv.2006.10850,
title = {Deep Image Translation for Enhancing Simulated Ultrasound Images},
author = {Lin Zhang and Tiziano Portenier and Christoph Paulus and Orcun Goksel},
journal= {arXiv preprint arXiv:2006.10850},
year = {2020}
}