无限脑 MR 图像：基于 PGGAN 的肿瘤检测数据增强
计算机视觉与模式识别
2019-04-01 v1 人工智能
摘要
由于缺乏可用的标注医学图像，精确的计算机辅助诊断需要密集的数据增强（DA）技术，例如对原始图像进行几何/强度变换；然而，那些变换后的图像本质上与原始图像具有相似分布，导致性能提升有限。为填补真实图像分布中的数据缺失，我们使用生成对抗网络（GAN）合成脑对比增强磁共振（MR）图像——逼真但与原始图像完全不同。本研究利用渐进增长 GAN（PGGAN）这一多阶段生成训练方法，生成原始尺寸 256 X 256 的 MR 图像，用于基于卷积神经网络的脑肿瘤检测，这通过常规 GAN 难以实现；困难源于高分辨率下 GAN 训练的不稳定以及肿瘤在尺寸、位置、形状和对比度上的多样性。我们的初步结果表明，这种新颖的基于 PGGAN 的 DA 方法在与经典 DA 结合时，可在肿瘤检测及其他医学成像任务中取得有前景的性能提升。
引用
@article{arxiv.1903.12564,
title = {Infinite Brain MR Images: PGGAN-based Data Augmentation for Tumor Detection},
author = {Changhee Han and Leonardo Rundo and Ryosuke Araki and Yujiro Furukawa and Giancarlo Mauri and Hideki Nakayama and Hideaki Hayashi},
journal= {arXiv preprint arXiv:1903.12564},
year = {2019}
}
备注
13 pages, 6 figures, Accepted to Neural Approaches to Dynamics of Signal Exchanges as a Springer book chapter