用于脑图像合成的生成对抗网络：综述
图像与视频处理
2023-05-26 v1 计算机视觉与模式识别
机器学习
摘要
在医学影像中，图像合成是从另一图像（序列、模态）估计一幅图像（序列、模态）的过程。由于不同模态图像提供多样生物标志物并捕获各类特征，多模态成像在医学中至关重要。尽管多筛查由放射科医生报告昂贵、成本高且耗时，图像合成方法能够人工生成缺失模态。深度学习模型可自动捕获并提取高维特征。尤其，生成对抗网络（GAN）作为最流行的基于生成的深度学习方法之一，使用卷积网络作为生成器，估计图像由判别器网络判别为真或假。本综述提供经由 GAN 的脑图像合成。我们总结了 GAN 用于跨模态脑图像合成的近期进展，包括 CT 到 PET、CT 到 MRI、MRI 到 PET 及其逆过程。
引用
@article{arxiv.2305.15421,
title = {Generative Adversarial Networks for Brain Images Synthesis: A Review},
author = {Firoozeh Shomal Zadeh and Sevda Molani and Maysam Orouskhani and Marziyeh Rezaei and Mehrzad Shafiei and Hossein Abbasi},
journal= {arXiv preprint arXiv:2305.15421},
year = {2023}
}
备注
9 pages, 3 tabels, 4 figures