频率监督的MR到CT图像合成
图像与视频处理
2021-07-20 v1 计算机视觉与模式识别
摘要
本文致力于从磁共振（MR）图像生成合成计算机断层扫描（CT）图像。当仅有MR图像可用时，合成CT图像对于放疗规划具有重要价值。近期方法利用卷积神经网络学习从MR输入到CT输出的映射，在解决这一具有挑战性的合成问题上取得了重大进展。在本文中，我们发现所有现有方法存在一个共同局限：在CT图像高频部分及其周围重建失效。为解决这一共同局限，我们引入频率监督深度网络以显式增强高频MR到CT图像重建。我们提出一个频率分解层，学习将预测的CT输出分解为低频和高频分量，并引入一个细化模块通过高频对抗学习改善高频重建。在一个包含45对三维MR-CT脑图像的新数据集上的实验结果显示了所提方法的有效性和潜力。代码见\url{https://github.com/shizenglin/Frequency-Supervised-MR-to-CT-Image-Synthesis}。
引用
@article{arxiv.2107.08962,
title = {Frequency-Supervised MR-to-CT Image Synthesis},
author = {Zenglin Shi and Pascal Mettes and Guoyan Zheng and Cees Snoek},
journal= {arXiv preprint arXiv:2107.08962},
year = {2021}
}
备注
MICCAI workshop on Deep Generative Models, 2021