使用非配对数据的深度MR到CT合成
计算机视觉与模式识别
2017-08-04 v1
摘要
仅基于磁共振的放射治疗计划需要准确的MR到CT合成。当前用于MR到CT合成的深度学习方法依赖于同一患者的配对对齐MR与CT训练图像。然而，配对图像之间的未对齐可能导致合成CT图像中的误差。为克服这一问题，我们提出使用非配对的MR与CT图像训练生成对抗网络（GAN）。一个由两个合成卷积神经网络（CNN）和两个判别器CNN组成的GAN，通过循环一致性进行训练，将二维脑部MR图像切片转换为二维脑部CT图像切片，反之亦然。分析了24名患者的脑部MR与CT图像。定量评估表明，该模型能够合成与参考CT图像非常接近的CT图像，并且优于使用配对MR与CT图像训练的GAN模型。
引用
@article{arxiv.1708.01155,
title = {Deep MR to CT Synthesis using Unpaired Data},
author = {Jelmer M. Wolterink and Anna M. Dinkla and Mark H. F. Savenije and Peter R. Seevinck and Cornelis A. T. van den Berg and Ivana Isgum},
journal= {arXiv preprint arXiv:1708.01155},
year = {2017}
}
备注
MICCAI 2017 Workshop on Simulation and Synthesis in Medical Imaging