用于生成三维连通体数据并应用于放射外科治疗规划的改进α-GAN架构
图像与视频处理
2022-07-25 v1 计算机视觉与模式识别
机器学习
摘要
生成对抗网络（GANs）因能生成高质量合成数据，在多项计算机视觉任务中备受关注。由于该领域数据稀缺，包括诊断成像与放射治疗在内的多种医学应用均可从合成数据生成中大幅受益。然而，医学图像数据通常保存在三维空间中，生成模型在生成此类合成数据时面临维度灾难问题。本文研究了GANs生成连通三维体数据的潜力，通过引入多种架构增强提出了一种改进版三维α-GAN。在由连通三维球体与椭球体构成的合成数据集上，我们的模型能够生成与训练数据几何特征相似的完全连通三维形状。我们还展示了该三维GAN模型可成功生成高质量三维肿瘤体数据及相应治疗参数（如等中心点位置）。与训练数据相似的矩不变量以及完全连通的三维形状证实，改进版三维α-GAN隐式学习了训练数据分布并生成了逼真样本。改进版三维α-GAN的能力使其成为生成合成医学图像数据的宝贵来源，可助力该领域未来研究。
引用
@article{arxiv.2207.11223,
title = {Improved $\alpha$-GAN architecture for generating 3D connected volumes with an application to radiosurgery treatment planning},
author = {Sanaz Mohammadjafari and Mucahit Cevik and Ayse Basar},
journal= {arXiv preprint arXiv:2207.11223},
year = {2022}
}