METGAN：光片显微镜中的生成式肿瘤修复与模态合成
图像与视频处理
2021-04-26 v2 计算机视觉与模式识别
摘要
新型多模态成像方法能够为临床前研究生成广泛、超高分辨率的数据集。然而，标注的严重缺乏阻碍了深度学习的广泛应用以分析此类数据。迄今为止，现有的生成模型由于频繁的标注错误而未能缓解这一问题。本文引入一种新颖的生成方法，利用真实解剖信息生成逼真的肿瘤图像-标签对。我们构建了一个双路径生成器，用于解剖图像和标签，在循环一致设置中训练，并由独立的预训练分割器约束。与现有方法相比，生成的图像在量化上取得显著改进。为验证合成质量，我们在由合成数据增强的数据集上训练分割网络，较基线大幅提升了分割效果。
引用
@article{arxiv.2104.10993,
title = {METGAN: Generative Tumour Inpainting and Modality Synthesis in Light Sheet Microscopy},
author = {Izabela Horvath and Johannes C. Paetzold and Oliver Schoppe and Rami Al-Maskari and Ivan Ezhov and Suprosanna Shit and Hongwei Li and Ali Ertuerk and Bjoern H. Menze},
journal= {arXiv preprint arXiv:2104.10993},
year = {2021}
}