DiamondGAN：用于MRI序列合成的统一多模态生成对抗网络
计算机视觉与模式识别
2019-07-29 v4
摘要
合成MR成像序列在临床实践中高度相关，因为单一序列常缺失或质量较差（例如由于运动）。自然地，目标模态将受益于多模态输入的想法随之产生，因为各模态的专有信息可具协同性。然而，现有方法难以扩展到多个非对齐成像模态，面临复杂成像序列的常见缺陷。我们提出一种新颖、可扩展且多模态的方法，称为DiamondGAN。我们的模型在给定多个模态或其任意子集时，能够以端到端方式学习结构化信息，执行灵活的非对齐跨模态合成与数据填充。我们合成了两个具有临床相关性的MRI序列（即双反转恢复（DIR）与对比增强T1（T1-c）），由三个常见序列重建而来。此外，我们进行了多评分者视觉评估实验，发现受过训练的放射科医生无法区分合成DIR图像与真实图像。
引用
@article{arxiv.1904.12894,
title = {DiamondGAN: Unified Multi-Modal Generative Adversarial Networks for MRI Sequences Synthesis},
author = {Hongwei Li and Johannes C. Paetzold and Anjany Sekuboyina and Florian Kofler and Jianguo Zhang and Jan S. Kirschke and Benedikt Wiestler and Bjoern Menze},
journal= {arXiv preprint arXiv:1904.12894},
year = {2019}
}
备注
accepted by miccai 2019