MedGen3D：用于配对三维图像与掩码生成的深度生成框架
图像与视频处理
2023-07-06 v2 计算机视觉与模式识别
摘要
获取并标注充足的标注数据对于开发准确且鲁棒的学习型模型至关重要，但在许多医学图像分割任务中难以获得此类数据。一个很有前景的解决方案是合成带有真实掩码标注的真实数据。然而，此前尚无研究探索生成带有掩码的完整三维体数据。本文提出 MedGen3D，一种可生成配对三维医学图像与掩码的深度生成框架。首先，我们将三维医学数据表示为二维序列，并提出多条件扩散概率模型（MC-DPM）以生成符合解剖几何的多标签掩码序列。随后，我们使用以生成掩码序列为条件的图像序列生成器和语义扩散精炼器，生成与生成掩码对齐的真实三维医学图像。我们提出的框架保证了合成图像与分割图之间的精确对齐。在三维胸部 CT 和脑部 MRI 数据集上的实验表明，我们的合成数据既具多样性又忠实于原始数据，并展示了其对下游分割任务的益处。我们预期 MedGen3D 合成配对三维医学图像与掩码的能力将在训练医学影像任务的深度学习模型中体现价值。
引用
@article{arxiv.2304.04106,
title = {MedGen3D: A Deep Generative Framework for Paired 3D Image and Mask Generation},
author = {Kun Han and Yifeng Xiong and Chenyu You and Pooya Khosravi and Shanlin Sun and Xiangyi Yan and James Duncan and Xiaohui Xie},
journal= {arXiv preprint arXiv:2304.04106},
year = {2023}
}
备注
Accepted by MICCAI 2023. Project Page: https://krishan999.github.io/MedGen3D/