用于自监督医学 CT 合成的增量式跨视图互蒸馏
图像与视频处理
2022-07-13 v4 计算机视觉与模式识别
摘要
受成像设备限制与操作时间成本高昂的制约，计算机断层扫描（CT）通常以较低的层内分辨率获取。提高层内分辨率有益于人类专家与计算机辅助系统的疾病诊断。为此，本文构建一种新颖的医学切片合成方法以提升层间分辨率。考虑到临床实践中真实的中间医学切片始终缺失，我们引入增量式跨视图互蒸馏策略，以自监督学习的方式完成该任务。具体而言，我们从三个不同视图建模此问题：轴状位视图的切片间插值与冠状位、矢状位视图的像素间插值。在此情形下，从不同视图学习的模型可蒸馏有价值的知识以指导彼此的学习过程。我们可重复此过程，使模型合成具有递增层间分辨率的中间切片数据。为证明所提方法的有效性，我们在一个大规模 CT 数据集上进行了全面实验。定量与定性对比结果表明，我们的方法以明显优势优于 SOTA 算法。
引用
@article{arxiv.2112.10325,
title = {Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis},
author = {Chaowei Fang and Liang Wang and Dingwen Zhang and Jun Xu and Yixuan Yuan and Junwei Han},
journal= {arXiv preprint arXiv:2112.10325},
year = {2022}
}
备注
Accepted by CVPR2022