基于渐进式生成对抗网络的高分辨率乳腺钼靶合成
计算机视觉与模式识别
2019-09-04 v2
摘要
生成合成医学图像的能力对于数据增强、域迁移和分布外检测十分有用。然而，生成逼真的高分辨率医学图像具有挑战性，尤其对于全视野数字乳腺钼靶（FFDM），因其纹理异质性、精细结构细节和特定组织属性。本文中，我们探索使用渐进式训练的生成对抗网络（GANs）来合成乳腺钼靶，克服了训练此类对抗模型时的潜在不稳定性。本工作是首个表明生成逼真合成医学图像在高达 1280x1024 像素下可行的研究，这是医学图像合成达到的最高分辨率，可在标准乳腺钼靶阅片协议中可视化。我们希望本工作可作为有用指南，并促进医学影像领域中 GANs 的进一步研究。
引用
@article{arxiv.1807.03401,
title = {High-Resolution Mammogram Synthesis using Progressive Generative Adversarial Networks},
author = {Dimitrios Korkinof and Tobias Rijken and Michael O'Neill and Joseph Yearsley and Hugh Harvey and Ben Glocker},
journal= {arXiv preprint arXiv:1807.03401},
year = {2019}
}