基于 GAN 增强的条件式超声心动图生成
图像与视频处理
2019-11-26 v2 机器学习
机器学习
摘要
超声心动图（echo）是评估心脏状况的常用手段。由于标签稀缺，自动化 echo 分析中的半监督范式正受到关注。echo 中最受关注的问题之一是心脏结构（如腔室）的分割。据此，我们提出了一种使用带条件式基于块的判别器的生成对抗网络（generative adversarial networks, GAN）的超声心动图生成方法。在这项工作中，我们验证了以不同条件（分割掩码）——即左心室、心室心肌和心房——进行 GAN 增强的 echo 生成的可行性。结果表明，所提出的对抗算法能够生成高质量的 echo 帧，其心脏结构与给定分割掩码相匹配。如类似研究所指出的，该方法有望以半监督方式促进其他机器学习模型的训练。
引用
@article{arxiv.1911.02121,
title = {GAN-enhanced Conditional Echocardiogram Generation},
author = {Amir H. Abdi and Teresa Tsang and Purang Abolmaesumi},
journal= {arXiv preprint arXiv:1911.02121},
year = {2019}
}
备注
Workshop of Medical Imaging Meets NeurIPS, NeurIPS 2019