基于判别器监督引导注意力模块GAN的多发性硬化病灶特异性预测
图像与视频处理
2022-09-01 v1 计算机视觉与模式识别
摘要
多发性硬化（MS）是一种慢性神经系统疾病，其特征是脑白质中出现病灶。与其他MRI模态相比，T2液体衰减反转恢复（FLAIR）脑磁共振成像（MRI）能更优地显示和刻画MS病灶。MS的随访脑FLAIR MRI为临床医生监测疾病进展提供了有用信息。在本研究中，我们提出对生成对抗网络（GANs）的一种新颖改进，以在固定时间间隔预测MS未来的病灶特异性FLAIR MRI。我们在判别器中使用监督引导注意力和空洞卷积，这有助于基于了对病灶区域的关注来对已生成图像是否为真做出明智判断，进而有潜力帮助改进生成器更准确地预测未来检查的病灶区域。我们将所提方法与若干基线及一个最先进的CF-SAGAN模型[1]进行比较。总之，我们的结果表明，与总体性能相似的其他模型相比，所提方法在病灶区域达到了更高精度并降低了预测误差的标准差。
引用
@article{arxiv.2208.14533,
title = {Lesion-Specific Prediction with Discriminator-Based Supervised Guided Attention Module Enabled GANs in Multiple Sclerosis},
author = {Jueqi Wang and Derek Berger and Erin Mazerolle and Jean-Alexis Delamer and Jacob Levman},
journal= {arXiv preprint arXiv:2208.14533},
year = {2022}
}