使用残差编解码 Wasserstein 生成对抗网络对三维磁共振图像去噪
医学物理
2019-05-07 v2 计算机视觉与模式识别
摘要
保留结构的 3D 磁共振成像(MRI)图像去噪是医学图像分析中的关键步骤。过去几年中,许多性能优异的算法被提出。本文受深度学习思想启发,引入一种基于残差编解码 Wasserstein 生成对抗网络(RED-WGAN)的 MRI 去噪方法。具体而言,为探索相邻切片间的结构相似性,采用 3D 构型作为基本处理单元。将结合反卷积操作的残差自编码器引入生成器网络。此外,为缓解传统均方误差(MSE)损失函数的过平滑缺陷,将由预训练 VGG-19 网络提取的特征空间中计算距离实现的感知相似性,与 MSE 及对抗损失结合构成新损失函数。我们进行了大量实验以评估所提方法的性能。实验结果表明,所提 RED-WGAN 在模拟与真实临床数据上均取得优于若干 SOTA 方法的性能。特别地,我们的方法在噪声抑制与结构保留方面均展现出强大能力。
引用
@article{arxiv.1808.03941,
title = {Denoising of 3-D Magnetic Resonance Images Using a Residual Encoder-Decoder Wasserstein Generative Adversarial Network},
author = {Maosong Ran and Jinrong Hu and Yang Chen and Hu Chen and Huaiqiang Sun and Jiliu Zhou and Yi Zhang},
journal= {arXiv preprint arXiv:1808.03941},
year = {2019}
}
备注
To appear on Medical Image Analysis. 29 pages, 15 figures, 7 tables