基于流的形变引导用于非配对多对比度 MRI 图像到图像翻译
图像与视频处理
2020-12-04 v1 计算机视觉与模式识别
摘要
从受损对比度合成图像增加了许多神经系统疾病可用诊断信息的多样性。近来图像到图像翻译在医学研究中受到显著关注，从生成对抗网络（GAN）的成功使用到扩展至多域的循环约束。然而，在当前方法中，无法保证两个图像域之间的映射是唯一的或一一对应的。本文中，我们提出一种基于可逆架构的非配对图像到图像翻译新方法。基于流的架构的可逆特性确保了图像到图像翻译的循环一致性，无需额外损失函数。我们利用连续切片间的时间信息，为非配对体医学图像中一个域到另一域的转换优化提供更多约束。为捕捉医学图像中的时间结构，我们通过形变场探索连续切片间的位移。在我们的方法中，形变场被用作引导，以保持翻译后切片在翻译过程中的真实性与一致性。实验结果表明，在三个标准数据集（即 HCP、MRBrainS13 与 Brats2019）上，与现有基于深度学习的方法相比，使用我们所提方法合成的图像在均方误差、峰值信噪比和结构相似性指数方面取得了具竞争力的性能。
引用
@article{arxiv.2012.01777,
title = {Flow-based Deformation Guidance for Unpaired Multi-Contrast MRI Image-to-Image Translation},
author = {Toan Duc Bui and Manh Nguyen and Ngan Le and Khoa Luu},
journal= {arXiv preprint arXiv:2012.01777},
year = {2020}
}
备注
Medical Image Computing and Computer Assisted Interventions