利用生成对抗网络学习的图像自适应先验进行医学图像重建
图像与视频处理
2020-01-30 v1 机器学习
机器学习
摘要
医学图像重建通常是一个不适定逆问题。为解决此类不适定问题，通常通过某种促进稀疏性的正则化来引入所求物体属性的先验分布。近来，使用生成对抗网络（GANs）估计的图像先验分布在正则化部分此类图像重建问题中展现出巨大潜力。在这项工作中，我们应用基于 GAN 的图像自适应重建方法（IAGAN）从不完全的医学成像数据中重建高保真图像。观察到 IAGAN 方法有可能恢复物体中与医学诊断相关的精细结构，而这些结构在使用传统促进稀疏性正则化的重建中可能被过度平滑。
引用
@article{arxiv.2001.10830,
title = {Medical image reconstruction with image-adaptive priors learned by use of generative adversarial networks},
author = {Sayantan Bhadra and Weimin Zhou and Mark A. Anastasio},
journal= {arXiv preprint arXiv:2001.10830},
year = {2020}
}
备注
SPIE Medical Imaging 2020