解耦单一磁共振模态
图像与视频处理
2022-05-11 v1 计算机视觉与模式识别
机器学习
摘要
从医学图像中解耦解剖信息与对比度信息近年来受到关注，并显示出对多种图像分析任务的益处。现有方法利用具有相同底层解剖结构的配对多模态图像或辅助标签（例如手动勾画）来提供解耦的归纳偏置以学习解耦表示。然而，这些要求会显著增加数据收集的时间与成本，并在此类数据不可用时限制方法的适用性。此外，这些方法通常无法保证解耦。本文中，我们提出了一种新颖的框架，可从单一模态磁共振图像中学习理论与实践中更优的解耦。此外，我们提出了一种新的基于信息的度量来定量评估解耦。与现有解耦方法的比较表明，所提方法在解耦与跨域图像到图像翻译任务中均取得了更优性能。
引用
@article{arxiv.2205.04982,
title = {Disentangling A Single MR Modality},
author = {Lianrui Zuo and Yihao Liu and Yuan Xue and Shuo Han and Murat Bilgel and Susan M. Resnick and Jerry L. Prince and Aaron Carass},
journal= {arXiv preprint arXiv:2205.04982},
year = {2022}
}