基于对比度感知生成对抗网络的增强磁共振图像合成
图像与视频处理
2022-02-23 v2 计算机视觉与模式识别
机器学习
摘要
一次磁共振成像（MRI）检查通常包含多个 MR 脉冲序列的采集，这是可靠诊断所必需的。每个序列可通过多个采集参数进行参数化，这些参数影响 MR 图像对比度、信噪比、分辨率或扫描时间。随着生成式深度学习模型的兴起，人们开发了用于 MR 图像合成的方法，以合成额外的 MR 对比度、生成合成数据或扩充现有数据用于 AI 训练。然而，当前的 MR 图像合成生成式方法仅在具有特定采集参数值集合的图像上训练，限制了这些方法的临床价值，因为临床实践中使用了多种采集参数设置。因此，我们训练了一个生成对抗网络（GAN），以各种采集参数（重复时间、回波时间、图像方位）为条件生成合成 MR 膝关节图像。该方法使我们能够合成具有可调图像对比度的 MR 图像。在一项视觉图灵测试中，两位专家将 40.5% 的真实与合成 MR 图像误标，表明生成的合成与真实 MR 图像的图像质量相当。本工作可通过预览所产生的 MR 对比度来支持放射科医生和技师进行 MR 序列参数化，可作为放射学培训的宝贵工具，并可用于定制化数据生成以支持 AI 训练。
引用
@article{arxiv.2102.09386,
title = {Enhanced Magnetic Resonance Image Synthesis with Contrast-Aware Generative Adversarial Networks},
author = {Jonas Denck and Jens Guehring and Andreas Maier and Eva Rothgang},
journal= {arXiv preprint arXiv:2102.09386},
year = {2022}
}