利用带特征提取的CycleGAN从CT扫描增强合成MRI生成
图像与视频处理
2023-11-29 v2 计算机视觉与模式识别
摘要
在放疗领域，精确的成像与图像配准对于治疗计划的准确性至关重要。磁共振成像（MRI）提供详细的无创成像，并在软组织对比度方面表现出色，使其成为放疗计划的首选模态。然而，MRI的高成本、较长的采集时间以及患者的某些健康考量带来了挑战。相反，计算机断层扫描（CT）提供了一种更快速且更廉价的成像方案。为桥接这些模态并解决多模态对齐挑战，我们引入了一种利用合成MRI图像增强单模态配准的方法。利用非配对数据，本文提出一种从CT扫描生成这些合成MRI图像的新方法，借助CycleGAN和特征提取器。基于循环一致性对抗网络的基础工作并融合相关文献的进展，我们的方法展现出有前景的结果，优于若干最先进的方法。我们方法的有效性通过多种对比指标得到验证。
引用
@article{arxiv.2310.20604,
title = {Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction},
author = {Saba Nikbakhsh and Lachin Naghashyar and Morteza Valizadeh and Mehdi Chehel Amirani},
journal= {arXiv preprint arXiv:2310.20604},
year = {2023}
}
备注
6 pages, 5 figures