用于医学图像分析的生成对抗网络
计算机视觉与模式识别
2019-10-10 v3 机器学习
机器学习
摘要
生成对抗网络（GANs）及其扩展为处理诸多已知且具有挑战性的医学图像分析问题开辟了令人振奋的新途径，例如医学图像去噪、重建、分割、数据模拟、检测或分类。此外，它们以空前真实度合成图像的能力也带来希望，即医学领域长期缺乏标注数据的问题可借助这些生成模型得到解决。本综述论文广泛概述了近期关于GANs医学应用的文献，深入讨论了所提方法的不足与机遇，并阐述了潜在的未来工作。我们回顾了截至投稿日发表的最相关论文。为便于快速查阅，诸如底层方法、数据集与性能等重要细节以表格列出。一个将所有论文分类以保持综述持续更新的交互式可视化可在 http://livingreview.in.tum.de/GANs_for_Medical_Applications 获取。
引用
@article{arxiv.1809.06222,
title = {GANs for Medical Image Analysis},
author = {Salome Kazeminia and Christoph Baur and Arjan Kuijper and Bram van Ginneken and Nassir Navab and Shadi Albarqouni and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:1809.06222},
year = {2019}
}
备注
Salome Kazeminia and Christoph Baur contributed equally to this work