使用任务引导的生成对抗网络进行图像增强以用于脑MRI年龄估计
图像与视频处理
2021-08-04 v1 计算机视觉与模式识别
摘要
基于磁共振成像（MRI）的脑年龄估计是一个活跃的研究领域，可用于老年人某些神经退行性疾病（如阿尔茨海默病、帕金森病、亨廷顿病等）的早期诊断或年轻群体的脑发育不良诊断。深度学习方法在包括脑年龄估计在内的许多医学图像分析任务中取得了最先进的性能。然而，深度学习模型的性能和泛化能力高度依赖于训练数据集的数量和质量。收集和标注脑MRI数据都极其耗时。在本文中，为了克服数据稀缺问题，我们提出了一种基于生成对抗网络（GAN）的图像合成方法。与现有的基于GAN的方法不同，我们将一个任务引导分支（用于年龄估计的回归模型）集成到GAN生成器的末端。通过在传统GAN损失中加入任务引导损失，学习到的低维潜在空间和合成图像更具任务特异性。这有助于通过将合成图像与真实图像结合用于模型训练来提升下游任务的性能。所提出的方法在一个公开的脑MRI数据集上进行了年龄估计评估。我们提出的方法（具有统计显著性）优于基于深度卷积神经网络的回归模型和没有任务引导分支的基于GAN的图像合成方法。更重要的是，它能够在图像空间中识别与年龄相关的脑区。代码已在GitHub上公开（https://github.com/ruizhe-l/tgb-gan）。
引用
@article{arxiv.2108.01659,
title = {Image Augmentation Using a Task Guided Generative Adversarial Network for Age Estimation on Brain MRI},
author = {Ruizhe Li and Matteo Bastiani and Dorothee Auer and Christian Wagner and Xin Chen},
journal= {arXiv preprint arXiv:2108.01659},
year = {2021}
}
备注
Accepted for publication at 25th Annual Conference on Medical Image Understanding and Analysis (MIUA 2021)