MIST GAN：基于风格迁移的 MRI 模态插补
图像与视频处理
2022-02-22 v1 计算机视觉与模式识别
摘要
MRI 在生成所有被推荐用于高效诊断与治疗规划的模态时，需要巨大的成本、时间与精力。深度学习研究的最新进展表明，生成模型在风格迁移与图像合成方面已取得实质性改进。在本工作中，我们将从已有 MR 模态生成缺失 MR 模态的问题表述为利用风格迁移的插补问题。通过多对一映射，我们建模了一个在网络中容纳特定领域风格以生成目标图像的网络。我们分析了 MR 模态内部及跨 MR 模态的风格多样性。我们的模型在 BraTS'18 数据集上进行了测试，观察到所得结果在视觉指标、SSIM 和 PSNR 方面与最先进水平相当。经两位放射科专家评估后，我们表明我们的模型高效、可扩展且适用于临床应用。
引用
@article{arxiv.2202.10396,
title = {MIST GAN: Modality Imputation Using Style Transfer for MRI},
author = {Jaya Chandra Raju and Kompella Subha Gayatri and Keerthi Ram and Rajeswaran Rangasami and Rajoo Ramachandran and Mohansankar Sivaprakasam},
journal= {arXiv preprint arXiv:2202.10396},
year = {2022}
}