基于上下文感知生成对抗网络的医学图像合成
计算机视觉与模式识别
2016-12-19 v1
摘要
计算机断层扫描(CT)对于各种临床应用至关重要，例如放射治疗计划和PET衰减校正。然而，CT在采集过程中会暴露辐射，可能对患者造成副作用。与CT相比，磁共振成像(MRI)更安全且不涉及任何辐射。因此，最近研究人员极大致力于在放射治疗计划情况下根据同一受试者的相应MR图像估算CT图像。本文中，我们提出一种数据驱动方法来解决这一挑战性问题。具体地，我们训练一个全卷积网络以给定MR图像生成CT。为了更好地建模从MRI到CT的非线性关系并生成更真实的图像，我们提出使用对抗训练策略和图像梯度差异损失函数。我们进一步应用AutoContext模型来实现上下文感知生成对抗网络。实验结果表明，我们的方法在从MRI图像预测CT图像方面准确且鲁棒，并且优于比较中的三种最先进的(state-of-the-art)方法。
引用
@article{arxiv.1612.05362,
title = {Medical Image Synthesis with Context-Aware Generative Adversarial Networks},
author = {Dong Nie and Roger Trullo and Caroline Petitjean and Su Ruan and Dinggang Shen},
journal= {arXiv preprint arXiv:1612.05362},
year = {2016}
}