ImUnity:一种可泛化的 VAE-GAN 多中心 MR 图像协调方案
图像与视频处理
2021-09-15 v1 计算机视觉与模式识别
机器学习
摘要
ImUnity 是一种专为高效且灵活的 MR 图像协调而设计的原创深度学习模型。一个 VAE-GAN 网络,辅以混淆模块和一个可选的生物保真模块,利用训练数据库中每个被试取自不同解剖位置的多个 2D 切片,以及图像对比度变换进行自监督训练。它最终生成可用于各种多中心群体研究的“校正后”MR 图像。使用 3 个开源数据库(ABIDE、OASIS 和 SRPBS),其中包含来自多种采集扫描仪类型或厂商的 MR 图像以及大范围被试年龄,我们表明 ImUnity:(1)在使用游走被试(traveling subjects)生成图像的质量上优于最先进(state-of-the-art)方法;(2)去除站点或扫描仪偏倚的同时改善患者分类;(3)协调来自新站点或扫描仪的数据而无需额外微调;(4)允许根据所需应用选择多个 MR 重建图像。此处测试基于 T1 加权图像,ImUnity 可用于协调其他类型的医学图像。
引用
@article{arxiv.2109.06756,
title = {ImUnity: a generalizable VAE-GAN solution for multicenter MR image harmonization},
author = {Stenzel Cackowski and Emmanuel L. Barbier and Michel Dojat and Thomas Christen},
journal= {arXiv preprint arXiv:2109.06756},
year = {2021}
}
备注
15 pages, 7 Figures