解耦潜在能量基风格迁移：一种图像级结构MRI协调框架
图像与视频处理
2024-05-31 v2 计算机视觉与模式识别
摘要
脑磁共振成像（MRI）已在临床和研究领域广泛使用，但常对场强和扫描仪厂商等非生物变异引起的场地效应表现出敏感性。许多回顾性MRI协调技术在图像级减少场地效应方面已显示出令人鼓舞的结果。然而，现有方法通常存在计算需求高和泛化能力有限的问题，限制了其对未见MRI的适用性。本文设计了一种新颖的解耦潜在能量基风格迁移（DLEST）框架，用于无配对图像级MRI协调，包括：(a) 场地不变图像生成（SIG），(b) 场地特定风格迁移（SST），以及(c) 场地特定MRI合成（SMS）。具体而言，SIG采用潜在自编码器将MRI编码到低维潜在空间，并从潜在码重建MRI。SST利用能量基模型理解目标域的全局潜在分布，并将源潜在码向目标域迁移，而SMS则实现具有目标特定风格的MRI合成。通过在潜在空间中解耦图像生成和风格迁移，DLEST能够实现高效的风格迁移。我们的模型在来自公共数据集（涵盖58个采集站点/设置的3984名受试者）的T1加权MRI上训练，并在独立数据集（涵盖11个站点/设置扫描的9名旅行受试者）上进行了四项任务的验证：直方图和特征可视化、站点分类、脑组织分割以及站点特定结构MRI合成。定性和定量结果表明，我们的方法优于多种现有最先进方法。
引用
@article{arxiv.2402.06875,
title = {Disentangled Latent Energy-Based Style Translation: An Image-Level Structural MRI Harmonization Framework},
author = {Mengqi Wu and Lintao Zhang and Pew-Thian Yap and Hongtu Zhu and Mingxia Liu},
journal= {arXiv preprint arXiv:2402.06875},
year = {2024}
}