使用自编码生成对抗网络生成三维脑 MRI
图像与视频处理
2019-08-08 v1 计算机视觉与模式识别
摘要
随着深度学习在医学图像分析任务中展现出前所未有的成功，医学数据不足正成为一个关键问题。虽然近期使用生成对抗网络（GAN）解决有限数据问题的尝试已成功生成具多样性的逼真图像，但其中多数基于图像到图像翻译，因而需要来自不同领域的大量数据集。在此，我们提出一种新颖模型，可通过学习数据分布从随机向量成功生成三维脑 MRI 数据。我们的三维 GAN 模型利用 alpha-GAN 解决了图像模糊与模式崩溃问题，alpha-GAN 结合了变分自编码器（VAE）与 GAN 的优势并带有额外的码判别器网络。我们还使用带梯度惩罚的 Wasserstein GAN（WGAN-GP）损失以降低训练不稳定性。为证明模型有效性，我们生成正常脑 MRI 新图像，并表明我们的模型在定量与定性度量上均优于基线模型。我们还训练模型合成脑疾病 MRI 数据以展示模型的广泛适用性。我们的结果表明所提模型可从小型训练集成功生成各类与多模态的三维全脑体数据。
引用
@article{arxiv.1908.02498,
title = {Generation of 3D Brain MRI Using Auto-Encoding Generative Adversarial Networks},
author = {Gihyun Kwon and Chihye Han and Dae-shik Kim},
journal= {arXiv preprint arXiv:1908.02498},
year = {2019}
}
备注
8.5 pages, 4 figures, Accepted by the 22nd International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2019)