基于更丰富生成对抗网络的计算机断层扫描图像中自由形态肿瘤合成
图像与视频处理
2021-04-21 v1 计算机视觉与模式识别
摘要
癌症标注医学影像扫描数据的不足，使得在精准肿瘤学中训练和验证数据饥渴的深度学习模型具有挑战性。我们提出了一种新的更丰富生成对抗网络，用于计算机断层扫描（CT）图像中的自由形态 3D 肿瘤/病变合成。该网络由一个新颖的更丰富卷积特征增强扩张门控生成器（RicherDG）和一个混合损失函数组成。RicherDG 具有扩张门控卷积层以实现肿瘤绘制并扩大感受野；并且具有一个新颖的更丰富卷积特征关联分支，以恢复多尺度卷积特征，特别是来自肿瘤与周围健康组织之间不确定边界的特征。该混合损失函数由多种损失组成，旨在聚合互补信息以改善优化。我们在涵盖肝脏、肾脏肿瘤和肺结节的广泛公开 CT 图像数据集上对合成结果进行了综合评估。定性和定量评估及消融研究证明了相较先进肿瘤合成方法的改进合成结果。
引用
@article{arxiv.2104.09701,
title = {Free-form tumor synthesis in computed tomography images via richer generative adversarial network},
author = {Qiangguo Jin and Hui Cui and Changming Sun and Zhaopeng Meng and Ran Su},
journal= {arXiv preprint arXiv:2104.09701},
year = {2021}
}