利用对抗网络从双能胸部 X 光学习骨抑制
计算机视觉与模式识别
2018-11-08 v1 机器学习
机器学习
摘要
抑制胸部 X 光中的骨骼（如肋骨和锁骨）通常有望改善病理分类。这些骨骼会干扰除肌肉骨骼系统外广泛的肺部疾病诊断任务。当前获取骨抑制 X 光的常规方法是双能成像，其在极短间隔内以不同能量水平捕获两张放射影像；然而，患者接受两次辐射暴露，且两次拍摄间心跳引起伪影。本文中，我们引入一种深度生成模型，经训练可在单能胸部 X 光上预测骨抑制图像，分析一组先前获取的双能胸部 X 光。由于可用数据量相对较少，该方法依赖于最大化数据利用的方法学。此处我们整合以下两种途径。首先，我们使用条件生成对抗网络补充传统回归方法（最小化成对图像差异）。其次，我们使用 Haar 2D 小波分解在频率细节上提供感知引导，使模型快速高效收敛。结果，与现有双能胸部 X 光方法相比，我们在骨抑制上取得了最先进的性能。
引用
@article{arxiv.1811.02628,
title = {Learning Bone Suppression from Dual Energy Chest X-rays using Adversarial Networks},
author = {Dong Yul Oh and Il Dong Yun},
journal= {arXiv preprint arXiv:1811.02628},
year = {2018}
}