使用基于块的条件生成对抗网络生成人工CT图像
图像与视频处理
2022-05-23 v1 计算机视觉与模式识别
摘要
深度学习在缓解各类临床程序的诊断与预后方面具有巨大潜力。然而，医学图像数量不足是使用深度学习进行基于图像的分析时最常见的障碍。由于标注稀缺，自动医学分析中的半监督技术正受到高度关注。人工数据增强与生成技术（如生成对抗网络，GAN）可帮助克服该障碍。本工作中，我们提出一种图像生成方法，使用带条件判别器的生成对抗网络，其中分割掩码被用作图像生成的条件。我们在全心脏计算机断层扫描（CT）图像及其七个子结构（即左心室、右心室、左心房、右心房、心肌、肺动脉和主动脉）上验证了GAN增强的医学图像生成的可行性。所得结果证明了所提对抗方法适用于高质量CT图像的精确生成。该方法显示出促进人工医学图像生成领域进一步研究的巨大潜力。
引用
@article{arxiv.2205.09842,
title = {Generation of Artificial CT Images using Patch-based Conditional Generative Adversarial Networks},
author = {Marija Habijan and Irena Galic},
journal= {arXiv preprint arXiv:2205.09842},
year = {2022}
}
备注
Proceedings of the 7th International Conference on Smart and Sustainable Technologies (SpliTech 2022)