反馈辅助对抗学习以改善锥束CT图像质量
图像与视频处理
2022-10-25 v1 计算机视觉与模式识别
摘要
利用对抗学习的无监督图像翻译已引起关注，用以改善医学图像的图像质量。然而，基于判别器全局评估值的对抗训练对于局部不同的图像特征无法提供充分的翻译性能。我们提出带有从判别器到生成器的反馈机制的对抗学习，以改善 CBCT 图像的质量。该框架采用 U-net 作为判别器，并输出表示局部判别结果的概率图。该概率图被反馈至生成器并用于训练以改善图像翻译。我们使用 76 对对应的 CT-CBCT 图像进行的实验证实，所提框架相比传统对抗学习框架能够捕获更多样化的图像特征，并生成像素值接近参考图像且相关系数为 0.93 的合成图像。
引用
@article{arxiv.2210.12578,
title = {Feedback Assisted Adversarial Learning to Improve the Quality of Cone-beam CT Images},
author = {Takumi Hase and Megumi Nakao and Mitsuhiro Nakamura and Tetsuya Matsuda},
journal= {arXiv preprint arXiv:2210.12578},
year = {2022}
}