编码 CT 解剖学知识用于非配对胸部 X 光图像分解
图像与视频处理
2019-10-01 v1 计算机视觉与模式识别
摘要
尽管胸部 X 光（CXR）提供的是具有重叠解剖结构的二维投影，但它被广泛用于临床诊断。有临床证据支持将 X 光图像分解为不同成分（例如骨骼、肺和软组织）可提升诊断价值。为此，我们提出一种分解生成对抗网络（DecGAN），以非配对数据对 CXR 图像进行解剖学分解。我们利用嵌入在 CT 中的解剖学知识，CT 具有三维体积且解剖结构清晰可见。我们的核心思想是将 CT 先验分解知识嵌入非配对 CXR 自编码器的潜空间中。具体而言，我们使用分解损失、对抗损失、循环一致性损失和掩码损失训练 DecGAN，以保证潜空间的分解结果保留真实的身体结构。大量实验表明，DecGAN 提供了优异的无监督 CXR 骨骼抑制结果，并且通过潜空间解耦调制 CXR 成分具有可行性。此外，我们阐明了 DecGAN 的诊断价值，并证明其在预测 14 种常见肺部疾病中的 11 种方面优于最先进的方法。
引用
@article{arxiv.1909.12922,
title = {Encoding CT Anatomy Knowledge for Unpaired Chest X-ray Image Decomposition},
author = {Zeju Li and Han Li and Hu Han and Gonglei Shi and Jiannan Wang and S. Kevin Zhou},
journal= {arXiv preprint arXiv:1909.12922},
year = {2019}
}
备注
9 pages with 4 figures