用于胸部 X 光片肋骨抑制的基于 GAN 的解耦学习
图像与视频处理
2021-10-19 v1 计算机视觉与模式识别
摘要
临床证据表明，肋骨抑制的胸部 X 光片（CXR）可以提高肺疾病诊断的可靠性。然而，以往生成肋骨抑制 CXR 的方法在保留细节和消除肋骨残留方面面临挑战。我们在此提出了一种基于 GAN 的解耦学习框架，称为肋骨抑制 GAN（Rib Suppression GAN，RSGAN），通过利用非配对计算机断层扫描（CT）图像中嵌入的解剖学知识来执行肋骨抑制。在该方法中，我们采用残差图来表征 CXR 与相应肋骨抑制结果之间的强度差异。为了在 CXR 域中预测残差图，我们将图像解耦为特定于结构和对比度的特征，并从 CT 计算的数字重建放射影像（DRR）中迁移肋骨结构先验。此外，我们采用额外的自适应损失来抑制肋骨残留并保留更多细节。我们基于 1,673 个 CT 体积和四个基准 CXR 数据集（总计超过 120K 张图像）进行了大量实验，以证明：（i）与最先进的肋骨抑制方法相比，我们提出的 RSGAN 实现了更优的图像质量；（ii）将 CXR 与我们的肋骨抑制结果相结合，在肺疾病分类和结核病区域检测中带来了更好的性能。
引用
@article{arxiv.2110.09134,
title = {GAN-based disentanglement learning for chest X-ray rib suppression},
author = {Luyi Han and Yuanyuan Lyu and Cheng Peng and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2110.09134},
year = {2021}
}