基于病灶掩码利用GAN同步合成解剖与分子MR图像
计算机视觉与模式识别
2020-08-28 v3 图像与视频处理
摘要
数据驱动的自动化方法借助常规与高级分子MR图像，在解决神经肿瘤学中恶性胶质瘤患者各类临床诊断难题方面已展现出巨大潜力。然而，标注MRI数据的匮乏极大阻碍了此类自动化方法的发展。翻转、缩放、旋转和畸变等常规数据增强方法无法生成具有多样化图像内容的数据。本文提出一种称为解剖与分子MR图像合成网络（SAMR）的方法，该方法能够基于任意操控的病灶信息，在多个解剖与分子MRI序列上同步合成数据，包括T1加权（T1w）、钆增强T1w（Gd-T1w）、T2加权（T2w）、液体衰减反转恢复（FLAIR）以及酰胺质子转移加权（APTw）。所提出的框架由拉伸上采样模块、脑图谱编码器、分割一致性模块和多尺度标签判别器组成。在真实临床数据上的大量实验表明，所提模型显著优于最先进的合成方法。
引用
@article{arxiv.2006.14761,
title = {Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN},
author = {Pengfei Guo and Puyang Wang and Jinyuan Zhou and Vishal M. Patel and Shanshan Jiang},
journal= {arXiv preprint arXiv:2006.14761},
year = {2020}
}
备注
MICCAI 2020