基于多对比度MRI的生成对抗训练用于MRA图像合成
计算机视觉与模式识别
2018-04-13 v1
摘要
磁共振血管造影（MRA）已成为血管解剖及相关疾病成像与评估的重要MR对比方式。MRA采集通常针对血管介入有序进行，而在典型场景中，患者扫描中可能缺失MRA序列。这催生了从现有MR多对比度生成不存在的MRA的技术需求，其可作为回顾性受试者评估与成像研究的宝贵工具。本文中，据我们所知首次提出一种基于生成对抗网络（GAN）的技术，从T1加权和T2加权MRI图像生成MRA。为更好地建模MRA固有凸显的血管表征，我们设计了一个致力于忠实再现血管结构的损失项。为此，我们将生成图像与参考图像的可操纵滤波器响应纳入Huber函数损失项中。在基于近期PatchGAN模型建立的生成器-判别器架构上增加可操纵滤波器损失，所提出的可操纵GAN（sGAN）方法在大型公开数据库IXI上进行了评估。实验结果表明，sGAN在重叠分数上优于基线GAN方法且PSNR值相近，同时带来了改进的视觉感知质量。
引用
@article{arxiv.1804.04366,
title = {Generative Adversarial Training for MRA Image Synthesis Using Multi-Contrast MRI},
author = {Sahin Olut and Yusuf Huseyin Sahin and Ugur Demir and Gozde Unal},
journal= {arXiv preprint arXiv:1804.04366},
year = {2018}
}